EgoHOS
收藏魔搭社区2025-11-27 更新2024-08-31 收录
下载链接:
https://modelscope.cn/datasets/OmniData/EgoHOS
下载链接
链接失效反馈官方服务:
资源简介:
displayName: EgoHOS(Egocentric Hand-Objectsegmentation)
labelTypes: []
license:
- MIT
mediaTypes:
- Video
paperUrl: https://arxiv.org/pdf/2208.03826.pdf
publishDate: "2022"
publishUrl: https://github.com/owenzlz/EgoHOS
publisher:
- University of Pennsylvania
- Toyota Research Institute
tags:
- Hand
taskTypes:
- Video Segmentation
---
# 数据集介绍
## 简介
EgoHOS(以自我为中心的手部对象分割)是一个包含 11,243 张以自我为中心的图像的标记数据集,其中包含在各种日常活动中交互的手和对象的每像素分割标签。 它是最早标记详细手部对象接触边界的数据集
## 类定义
null
## 引文
"@inproceedings{zhang2022fine,
title={Fine-Grained Egocentric Hand-Object Segmentation: Dataset, Model, and Applications},
author={Zhang, Lingzhi and Zhou, Shenghao and Stent, Simon and Shi, Jianbo},
booktitle={European Conference on Computer Vision},
pages={127--145},
year={2022},
organization={Springer}
}"
## Download dataset
:modelscope-code[]{type="git"}
displayName: EgoHOS(以自我为中心的手部-对象分割,Egocentric Hand-Object Segmentation)
labelTypes: 空列表
license:
- MIT许可证
mediaTypes:
- 视频(Video)
paperUrl: https://arxiv.org/pdf/2208.03826.pdf
publishDate: "2022年"
publishUrl: https://github.com/owenzlz/EgoHOS
publisher:
- 宾夕法尼亚大学(University of Pennsylvania)
- 丰田研究院(Toyota Research Institute)
tags:
- 手部(Hand)
taskTypes:
- 视频分割(Video Segmentation)
---
# 数据集介绍
## 简介
EgoHOS(以自我为中心的手部-对象分割,Egocentric Hand-Object Segmentation)是一款包含11243张以自我为中心的带标注图像的数据集,其标注涵盖日常活动场景中交互的手与物体的逐像素分割标签,是首批针对手部与物体的接触边界开展精细化标注的数据集。
## 类别定义:无
## 引文
@inproceedings{zhang2022fine,
title={Fine-Grained Egocentric Hand-Object Segmentation: Dataset, Model, and Applications},
author={Zhang, Lingzhi and Zhou, Shenghao and Stent, Simon and Shi, Jianbo},
booktitle={欧洲计算机视觉会议(European Conference on Computer Vision)},
pages={127--145},
year={2022},
organization={施普林格(Springer)}}
## 数据集下载
:modelscope-code[]{type="git"}
提供机构:
maas
创建时间:
2024-07-10
搜集汇总
数据集介绍

背景与挑战
背景概述
EgoHOS是一个包含11,243张以自我为中心图像的数据集,提供手部和对象的每像素分割标签,特别标注了手部与对象的接触边界。该数据集由University of Pennsylvania和Toyota Research Institute发布,适用于视频分割任务,尤其适合精细的手部对象分割研究。
以上内容由遇见数据集搜集并总结生成



