跳到正文
arXiv · 机器人与计算机视觉· Cameron Keith, SouYoung Jin·· 2026-10-16AI 评分58

Meaningful Moments:用于视频动作识别的 VLM 衍生时间重要性标签语料库

Meaningful Moments: A Corpus of VLM-Derived Temporal Importance Labels for Video Action Recognition

AI 导读

针对现有数据集缺乏大规模动作条件化重要性标签的问题,该研究构建了 Meaningful Moments (MM) 语料库,包含约 458 万个基于视觉语言模型生成的片段重要性评分,覆盖 Something-Something v2、Kinetics-400 和 Diving-48 三个数据集的 622 个动作类别。

来源:arXiv · 机器人与计算机视觉 · arxiv.org