该数据集是由北京大学联合 OpenBayes 贝式计算于 2025 年发布的一个视频实例编辑数据集，相关论文成果为：「VIRES: Video Instance Repainting via Sketch and Text Guided Generation」，旨在为视频实例重绘、时序分割等任务提供精确的标注支撑。
该数据集包含：
- SA-V 增强掩码标注，在原始 JSON 文件中新增 masklet_continues 字段，可通过 base64 解码和 pycocotools.mask 工具解析。
- 86k 个视频片段，其中包含 85k 个训练视频和 1k 个评估视频，每段视频由 51 帧 24 FPS 、分辨率为 512×512 的图像组成，并附带结构草图序列和外观文本描述。
视频编辑示例