南京大学 发布 SpatialVID 数据集, 应用在 视频分析、3D视觉 领域

南京大学 本次发布的数据集 SpatialVID, SpatialVID是一个大规模视频数据集，包含显式空间注释，如相机姿态、深度图、结构化标题和序列化运动指令。该数据集由7089小时的动态场景组成，通过从超过21000小时的原始视频中提取和处理而来。数据集通过一个层次化的过滤流程，去除了质量缺陷、尺寸不正确或标题不相关的视频内容，然后通过美学指标、亮度、光学字符识别和运动值的分层评分策略进行排序。高评分的视频片段经过双重注释流程，捕捉空间结构和语义信息，最终形成了SpatialVID数据集。该数据集旨在连接原始像素与物理世界，为视频和3D视觉研究提供关键资产。

查看SpatialVID

关于 南京大学 , 南京大学是中国的一所综合性研究型大学，位于江苏省南京市，是九校联盟之一，也是中国最早的高等学府之一，有着悠久的历史和深厚的文化底蕴。该校在国内外享有很高的声誉，在多个学科领域都有突出贡献。

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。