Kinetics-600に関する短いノート

本稿では、DeepMind Kineticsのヒューマンアクションデータセットを、各クラスに少なくとも400のビデオクリップが含まれる400クラスから、各クラスに少なくとも600のビデオクリップが含まれる600クラスへと拡張することについて述べます。データセットを拡大するために、データ収集プロセスを変更し、各クラスに対して複数のクエリを使用するようにしました。その一部は英語以外の言語（ポルトガル語）で行われました。本論文では、データセットの2つのバージョン間の変更点を詳細に説明し、新しいバージョンの包括的な統計情報およびI3Dニューラルネットワークアーキテクチャを使用したベースライン結果を含んでいます。本論文は、パブリックテストセットの真値ラベルの公開に伴うものであり、それらに関する詳細も提供しています。