Gewu Lab 发布 Ref-AVS 数据集, 应用在 多模态信息处理、音频视觉分割 领域

Gewu Lab 本次发布的数据集 Ref-AVS, 该数据集名为Ref-AVS，旨在为参考音频视觉分割任务构建，为对应的多模态线索表达中描述的对象提供像素级注释。它包含了48个类别中的多种可听对象和3个类别的静态对象。此外，该数据集还含有丰富的表达方式，融合了听觉、视觉和时序信息，并特别对表达难度进行了分级（简单、中等、困难）。它覆盖了广泛的对象和场景，重点关注复杂性和交互性。该数据集所针对的任务是参考音频视觉分割。

查看Ref-AVS

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。