几个常用的数据集
-
CharadesSTA
CharadesSTA是在Charades上进行了时间标注，共一万余条视频，来自157种动作种类，在部分视频中，需要做结构化的复杂查询，即每个查询包含至少两个子句，并且查询片段时间跨度小于视频长度的一半。训练集共13898条，测试集4233条，其中复合句1378条。
数据集论文：
TALL: Temporal Activity Localization via Language Query
https://arxiv.org/pdf/1705.02101.pdf数据集特征地址：https://prior.allenai.org/projects/charades
数据集标注地址：https://github.com/jiyanggao/TALL
视频样例：
https://youtu.be/x9AhZLDkbyc
标注样例：
- TACoS
数据集种包含了基本烹饪的高分辨率视频记录，视频长度为1-23分钟(平均4.5分钟)。描述语料库中包含17,334个动作描述(符号)，由146,771个单词(令牌)组成，其中75,210个是实词实例(例如:名词、动词和形容词)。动词的词汇包含28292个动词标记，实现435个词素。
数据集官网： https://www.coli.uni-saarland.de/projects/smile/page.php?id=tacos
数据集论文： https://aclanthology.org/Q13-1003.pdf
数据集样例：
- DiDeMo
包括超过10,000个25-30秒长的个人视频和超过40,000个文本描述。
官方网站：https://github.com/LisaAnne/LocalizingMoments
