Refer-YouTube-VOS 是基于 Youtube-VOS 数据集建立的第一个视频分割数据集，即通过 video + caption 来执行分割。该数据集从视频中识别独特对象，每个目标对象被用两种方式进行了标注。
Refer-YouTube-VOS 视频分割数据集
本站暂不支持该数据集下载，如需下载请访问上述「发布地址」进行下载（如可用）
相关数据集推荐
How 2R 视频检索数据集
How 2R 是一个关于基于文本的视频检索数据集。数据集包含从 HowTo 100M 数据集的 9,371 个视频中收集了 24,328 个 60s 片段及其 51,390 个相关查询词，平均每个片段有 2-3 个相关查询词。其中 80% 的数据用于训练，10% 的数据用于验证，…
VALUE 视频语言理解评估数据集
VALUE 全称 Video-And-Language Understanding Evaluation，是一个关于视频和语言理解评估的数据集。该数据集是 11 个 VidL（视频和语言）数据集的集合，可用于3个常见任务：文本到视频检索；视频问题解答以及视频字幕。VALUE目标是…
AVSD 视听场景感知对话数据集
AVSD 全称 The Audio Visual Scene-Aware Dialog（或 DSTC7 Track 3）是一个用于理解对话的视听数据集。数据集旨在建立系统并对输入视频的对话框产生相应。
