发布 Multimodal Human Video Dataset 数据集, 应用在 多模态视频分析、机器人学习 领域

本次发布的数据集 Multimodal Human Video Dataset, 该数据集包含人类操作任务的视频，结合了肌肉活动与音频信号，旨在使机器人能够学习任务规划和控制参数。该数据集用于评估各种视觉语言模型在不同任务上的表现，如按方块、插入插头、击鼓和开瓶等。其规模涉及多项任务，每项任务有10个测试视频，包含不同的物体和摄像机视角。任务内容为多模态视频分析及现实世界中的机器人评估。

查看Multimodal Human Video Dataset

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。