近日，美圖公司社交產(chǎn)品事業(yè)群視覺算法組與清華大學自動化系智能視覺實驗室合作，推出了業(yè)界最大規(guī)模教程類行為數(shù)據(jù)集COIN(COmprehensive INstructional video analysis)，該論文已被計算機視覺與模式識別會議CVPR 2019錄用。

　　?COIN數(shù)據(jù)集的概覽

教程類行為視頻(Instructional Video)可以幫助使用者獲取完成各種行為任務的知識，但是現(xiàn)有教程類行為視頻數(shù)據(jù)集在規(guī)模性和多樣性都存在較大的局限性，難以應用于現(xiàn)實生中的復雜場景。為此，美圖公司社交產(chǎn)品事業(yè)群視覺算法組與清華大學自動化系智能視覺實驗室合作提出了名為COIN的大規(guī)模教程類數(shù)據(jù)集，用于更全面的教程類行為視頻分析。

COIN數(shù)據(jù)集采用分層結構，即第一層是領域(Domain)、第二層是任務(Task)、第三層是步驟(Step)，其中包含與日常生活相關的11827個視頻，涉及交通工具、電器維修、和家具裝修等12個領域的180個任務，共778個步驟。

　　COIN數(shù)據(jù)集的分層結構

COIN數(shù)據(jù)集的設計人員還開發(fā)了創(chuàng)新性的標注工具，可以更高效更準確地標注視頻行為的步驟信息。此外，為了給數(shù)據(jù)集提供更準確的基準指標，數(shù)據(jù)集開發(fā)人員還使用了SSN、R-C3D等評價方法對COIN數(shù)據(jù)集進行了測評。

　　?COIN數(shù)據(jù)集的步驟定位準確率分析

目前，COIN數(shù)據(jù)集是業(yè)界規(guī)模最大、多樣性最豐富的教程類視頻數(shù)據(jù)集。該數(shù)據(jù)集在標注結構上采用分層的組織結構，涵蓋了多種不同類型的教程類視頻。該數(shù)據(jù)集的提出，給復雜場景下視頻動作時序定位(temporal localization)等問題的研究提供豐富的數(shù)據(jù)資源，有望加快推動視頻行為分析與理解等相關領域的研究。

美圖公司社交產(chǎn)品事業(yè)群視覺算法組，是美圖社交化的重要算法團隊之一。隨著“美和社交”戰(zhàn)略的發(fā)布，美圖秀秀從過去的純圖片處理軟件轉變?yōu)樯鐓^(qū)平臺。視覺算法組通過人工智能/深度學習算法，理解圖像和視頻內容中的語義信息，為社區(qū)中推薦、搜索、反作弊和垃圾過濾等提供有力的技術支撐。幫助用戶處理圖片的同時，增加社交功能及軟件活性。

生成海報

免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。