Cityscapes-VPS ist eine Videoerweiterung des Validierungssatzes Cityscapes. Der Datensatz enthält 2.500 panoptische Beschriftungen, wodurch die ursprünglichen 500 panoptischen Bildbeschriftungen des Cityscapes-Datensatzes auf 3.000 erweitert werden. Diese panoptischen Beschriftungen entsprechen dem 5., 10., 15., 20., 25. und 30. Frame von jeweils 500 Videos, wobei sich alle Instanz-IDs im Laufe der Zeit ändern.

Dieser Datensatz unterstützt nicht nur die Aufgabe der Video-Panoptik-Segmentierung (VPS), sondern bietet auch Superset-Anmerkungen für die Aufgaben der Video-Semantik-Segmentierung (VSS) und der Video-Instanz-Segmentierung (VIS).