AudioSet 发布 AVE 数据集, 应用在 音频-视觉事件定位、多媒体处理 领域

AudioSet 本次发布的数据集 AVE, 该数据集名为AVE，是AudioSet的一个子集，包含4143个长度为10秒的视频，涵盖28个不同的事件类别，如车辆声音、动物活动、乐器表演等。每个视频都提供了视频级别和片段级别的标签，并且具有清晰的时间边界。事件必须在听觉和视觉上都是可辨识的，并且至少持续两秒钟。该数据集包括原始测试集和修正测试集，分别称为O-AVE和C-AVE。整个数据集规模达到4143个视频，其任务是进行音频-视觉事件定位。

查看AVE

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。