L'ensemble de données VidSTG est un ensemble de données de mise à la terre vidéo spatio-temporelle construit sur la base de l'ensemble de données VidOR. VidOR est un ensemble de données de relations vidéo contenant respectivement 7 000, 835 et 2 165 vidéos pour la formation, la validation et les tests. L'objectif de la tâche Spatio-Temporal Video Grounding est de localiser les parties spatio-temporelles d'une vidéo non découpée qui correspondent à une phrase donnée décrivant une cible.

Citation

@inproceedings{zhang2020does, titre={Où cela existe-t-il : ancrage spatio-temporel vidéo pour les phrases multiformes}, author={Zhang, Zhu et Zhao, Zhou et Zhao, Yang et Wang, Qi et Liu, Huasheng et Gao, Lianli} titre du livre={CVPR}, année={2020} } @inproceedings{shang2019annotating, titre={Annoter les objets et les relations dans les vidéos générées par les utilisateurs}, author={Shang, Xindi et Di, Donglin et Xiao, Junbin et Cao, Yu et Yang, Xun et Chua, Tat-Seng} booktitle={Actes de la Conférence internationale sur la recherche multimédia de 2019}, pages={279–287}, année={2019}, organisation={ACM} }