SumMe

displayName: SumMe
labelTypes:
- Text
license:
- SumMe Custom
mediaTypes:
- Video
paperUrl: https://gyglim.github.io/me/papers/GygliECCV14_vsum.pdf
publishDate: "2014"
publishUrl: https://gyglim.github.io/me/vsum/index.html
publisher:
- ETH Zurich
tags:
- Bike
- Polo
taskTypes:
- Video Summarization

---
# 数据集介绍
## 简介
SumMe 数据集是一个视频摘要数据集，由 25 个视频组成，每个视频都至少标注了 15 个人类摘要（总共 390 个）。本文提出了一种新颖的方法和视频摘要的新基准。因此，我们专注于用户视频，它们是包含一组有趣事件的原始视频。我们的方法首先使用针对原始视频量身定制的新颖“超帧”分割来分割视频。然后，我们使用一组低级、中级和高级特征来估计每个超帧的视觉趣味性。基于此评分，我们选择超帧的最佳子集来创建信息丰富且有趣的摘要。引入的基准带有多个人工创建的摘要，这些摘要是在受控心理实验中获得的。这些数据为客观评估摘要方法和获得视频摘要的新见解铺平了道路。在评估我们的方法时，我们发现它产生了高质量的结果，可以与人工创建的摘要相媲美。
## 引文

```
"@inproceedings{gygli2014creating,
title={Creating summaries from user videos},
author={Gygli, Michael and Grabner, Helmut and Riemenschneider, Hayko and Gool, Luc Van},
booktitle={European conference on computer vision},
pages={505--520},
year={2014},
organization={Springer}
}"
```

## Download dataset
:modelscope-code[]{type="git"}

显示名称: SumMe
标签类型:
- 文本
许可证:
- SumMe 自定义许可证
媒体类型:
- 视频
论文链接: https://gyglim.github.io/me/papers/GygliECCV14_vsum.pdf
发布日期: "2014"
发布页面链接: https://gyglim.github.io/me/vsum/index.html
发布机构:
- 苏黎世联邦理工学院（ETH Zurich）
标签:
- 自行车
- 马球
任务类型:
- 视频摘要（Video Summarization）

---
# 数据集介绍
## 简介
SumMe 数据集是一款专业视频摘要数据集，共包含25个原始用户视频，每个视频至少配有15条人工生成的摘要（总计390条）。本研究提出了一种新颖的视频摘要方法与全新基准数据集。我们聚焦于包含各类趣味事件的原始用户视频，首先采用针对原始视频定制的新型“超帧”分割方案对视频进行划分；随后利用低级、中级与高级特征集合估算每个超帧的视觉趣味性；基于该评分选取超帧的最优子集，以生成兼具信息量与趣味性的视频摘要。本次引入的基准数据集包含多个人工创作的摘要，这些摘要均通过受控心理实验获取，为客观评估视频摘要方法、获取该领域的全新见解奠定了坚实基础。经实验验证，本方法可生成高质量的视频摘要，其效果可与人工创作的摘要相媲美。
## 引文

"@inproceedings{gygli2014creating,
title={Creating summaries from user videos},
author={Gygli, Michael and Grabner, Helmut and Riemenschneider, Hayko and Gool, Luc Van},
booktitle={European conference on computer vision},
pages={505--520},
year={2014},
organization={Springer}
}"

## 数据集下载
:modelscope-code[]{type="git"}

搜集汇总

背景与挑战

背景概述

SumMe是一个视频摘要数据集，包含25个用户视频，每个视频至少有15个人类标注摘要，总计390个摘要，由ETH Zurich于2014年发布。该数据集专为视频摘要任务设计，通过多个人工摘要提供客观评估基准，支持基于视觉趣味性特征的方法开发。