BLVD は、自動運転用に構築された大規模な 5D セマンティック データ セットで、動的な 4D (3D+時間) 追跡、5D (4D+ インタラクティブ) インタラクティブ イベント認識、および意図予測タスクをサポートできます。

このデータセットには、合計 120,000 フレームの 654 個の高解像度ビデオ クリップが含まれています。これには、249,129 個の 3D アノテーション フレーム、追跡用の 4,902 個の独立したフレーム (全長 214,922 ポイント)、5D インタラクティブ イベント認識用の 6,004 個の有効セグメント、および 5D インテント予測用の 4,900 個のフレームが含まれます。