VidHOI

该数据集是迄今为止最大的视频数据集，其中包含了全面的人类-物体交互（HOI）注释。它汇集了来自社交媒体的、展现非剧本化人类活动在动态和非结构化环境中的视频。该数据集涵盖了78个物体类别和50种关系类别，其中包括动作和空间关系，其中一半涉及时间关系。其规模宏大，包含7122个视频、75.5万个HOI实例和730万关键帧。该数据集的任务是进行基于视频的人类-物体交互（V-HOI）检测。

This dataset is the largest video dataset to date, featuring comprehensive Human-Object Interaction (HOI) annotations. It collects videos from social media that showcase unscripted human activities in dynamic and unstructured environments. This dataset covers 78 object categories and 50 relationship categories, including both action and spatial relationships, half of which involve temporal relationships. With its massive scale, it contains 7,122 videos, 755,000 HOI instances, and 7.3 million keyframes. The core task of this dataset is video-based Human-Object Interaction (V-HOI) detection.

搜集汇总

背景与挑战

背景概述

VidHOI是一个视频中人物-物体交互检测的大规模基准数据集，基于VidOR数据集构建，提供明确的交互物体标注和丰富的空间-时间信息。数据集包含训练和验证所需的帧列表、标注、轨迹文件及预计算框和姿态特征，支持多种基线模型的训练和评估。