Cet ensemble de données est un ensemble de données d'édition d'instances vidéo publié par l'Université de Pékin et OpenBayes Bayesian computing en 2025. Les résultats de l'article pertinents sont :VIRES : Redessin d'instances vidéo via la génération guidée par croquis et texte", qui vise à fournir un support d'annotation précis pour des tâches telles que le redessin d'instances vidéo et la segmentation de séries chronologiques.

L'ensemble de données contient :

• SA-V améliore l'annotation des masques, ajoute un nouveau champ masklet_continues dans le fichier JSON d'origine, qui peut être analysé par le décodage base64 et l'outil pycocotools.mask.

• 86 000 clips vidéo, dont 85 000 vidéos de formation et 1 000 vidéos d'évaluation, chaque vidéo se compose de 51 images de 24 FPS, d'images de résolution 512 × 512, et est accompagnée d'une séquence de croquis de structure et de descriptions de texte d'apparence.

Exemples de montage vidéo