摘要

计算机视觉在帮助人们的日常生活方面有很大的潜力，比如寻找丢失的钥匙、浇花和提醒我们吃药。为了实现这样的功能，模型需要在日常生活的场景下被训练。但是这些场景都并不“有趣”，因此很少出现在YouTube或者电视上。所以怎样收集足够多且多样化的日常生活场景呢？作者提出了一种Hollywood in Home的方式。与在实验室拍摄视频不同，作者通过众包的方式下发视频剧本，让志愿者按照剧本进行拍摄。通过这种方式，作者构建了Charades数据集。这个数据集包括了9848个标注过的视频，每个视频都大概持续30秒，展示了三个大洲的267个不同的人的行为，超过15%的视频里出现的人数都大于1。每个视频都被不限形式的文本描述，并且还有动作标签，动作间隔，动作种类以及交互的物体。总体上来说，Charades提供了27847个描述，66500个时序定位到的动作，这些动作共有157个类别，41104个标签，总共出现的物体种类是46个。使用这样丰富的数据，作者评估并提供了了baseline结果，适用于动作识别和自动文本生成。

Charades数据集相关推荐

动作识别、检测、分割、解析相关数据集介绍
文章目录动作识别 UCF101(UCF101 Human Actions dataset) Kinetics (Kinetics Human Action Video Dataset) 动作检测 / ...
神经架构搜索在视频理解中研究进展的综述
作者 | Michael S. Ryoo 研究员与 AJ Piergiovanni 学生研究员(Google 机器人团队) 来源 | TensorFlow(ID:TensorFlow_official ...
Facebook 开源 SlowFast：基于双帧速率分治轻量视频识别模型
近日,Facebook AI 宣布开源 SlowFast,一个在 CVPR 2019 上的 AVA 视频检测挑战赛中排名第一所用的模型.这一开源旨在进一步提高系统识别与分类视频内容的能力,并改善视频个 ...
Non-local Neural Networks：非局部神经网络
论文地址:https://openaccess.thecvf.com/content_cvpr_2018/papers/Wang_Non-Local_Neural_Networks_CVPR_2018 ...
【今日CV 计算机视觉论文速览第127期】Fri, 7 Jun 2019
今日CS.CV 计算机视觉论文速览 Fri, 7 Jun 2019 Totally 41 papers ?上期速览✈更多精彩请移步主页 Interesting: ?*****Mesh R-CNN, 研 ...
经典重温：FAIR提出SlowFast，用双分支非对称网络处理不同采样率的视频！代码开源！...
关注公众号,发现CV技术之美本文分享论文『SlowFast Networks for Video Recognition』,FAIR提出<SlowFast>,用双分支非对称网络处理不同采 ...
人大提出新模型，将Two Stage的Video Paragraph Captioning变成One Stage，性能却没下降...
关注公众号,发现CV技术之美 0 写在前面视频段落字幕(Video paragraph captioning)的目的是在未修剪的视频中描述多个事件.现有的方法主要通过事件检测和事件字幕两个步骤来解决 ...
【开源】本周不容错过开源论文，含分割、检索、神经渲染、deepfake 检测、超分、视频相关等...
本篇文章推荐本周值得关注的 10 篇开源论文,含 deepfake 检测.视频分类.图像分割.遥感图像检索.车辆检索.神经渲染.超分辨率等. 01 FReTAL: Genera ...
谷歌视频架构搜索：从 EvaNet 到 TinyVideoNet
点击我爱计算机视觉标星,更快获取CVML新技术文 / Michael S. Ryoo 研究员与 AJ Piergiovanni 学生研究员 Google 机器人团队视频理解一直是项颇具挑战性的难 ...
单CPU处理1s视频仅需37ms、GPU仅需10ms，谷歌提出TVN视频架构
点击我爱计算机视觉标星,更快获取CVML新技术本文转载自机器之心. 选自arXiv 作者:AJ Piergiovanni等机器之心编译参与:魔王.杜伟谷歌机器人团队利用进化算法,获得低计算成本 ...

Charades数据集

摘要

Charades数据集相关推荐

最新文章

热门文章