Video Visual Relation Detection

Video Visual Relation Detection (VidVRD) 是计算机视觉领域的子任务，旨在检测视频中感兴趣的视觉关系实例。每个实例由关系三元组 <主体, 谓词, 客体> 及其轨迹表示。与静态图像相比，视频提供了动态和时间变化的特征，有助于捕捉更自然的视觉关系。然而，由于对象跟踪的准确性要求高和关系表现形式的多样性，VidVRD 在技术上比图像视觉关系检测更具挑战性。该任务的应用价值在于能够深入理解视频内容，支持高级的场景分析和行为识别。