Something-Something V2 は、日常生活における人間といくつかの物体との間の基本的な行動を記録する、大規模な注釈付きビデオ クリップ データセットです。 このデータセットは、クラウドソーシングされた多数の作業者によって作成されました。これにより、機械学習モデルは、現実世界で発生する基本的なアクションを詳細に理解できるようになります。データ セットには 220,847 個のビデオが含まれており、そのうち 168,913 個がトレーニング セット、24,777 個が検証セット、27,157 個がテスト セットです。アクション カテゴリの注釈は合計 174 個あります。 このデータセットは第2バージョンで、前バージョンに比べて動画数が増加し、画像形式も従来のJPGからWebmに更新されました。