Датасет · syCen
Бенчмарк для оценки понимания движения камеры в видео
syCen/CameraBench
Набор из изображений и текстов для проверки и SFT-дообучения мультимодальных моделей понимать движение камеры.
Что внутри
Датасет содержит от 1K до 10K примеров с модальностями изображений и текста (в карточке также упоминаются аннотированные видеоклипы). Набор создан для оценки генеративных и дискриминативных VLM в сравнении с классическими методами SfM/SLAM. Авторы показали, что SFT-дообучение на ~1 400 дополнительных клипах удваивает точность модели Qwen2.5-VL.
Что можно сделать
- Оценка способности VLM-моделей распознавать траектории и движение камеры
- SFT-дообучение мультимодальных моделей (например, Qwen2.5-VL) для анализа видео
- Сравнение семантического понимания сцены у нейросетей и классических алгоритмов SfM
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 9,8 тыс.
- Лайков
- 38
Как загрузить
from datasets import load_dataset
ds = load_dataset("syCen/CameraBench")