К содержимому

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")