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。

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(jié)構(gòu)，即第一層是領(lǐng)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(guān)的11827個視頻，涉及交通工具、電器維修、和家具裝修等12個領(lǐng)域的180個任務，共778個步驟。

COIN數(shù)據(jù)集的分層結(jié)構(gòu)

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(jié)構(gòu)上采用分層的組織結(jié)構(gòu)，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(guān)領(lǐng)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(zhuǎn)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(nèi)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(shù)支撐。幫助用戶處理圖片的同時，增加社交功能及軟件活性。

數(shù)據(jù)集鏈接：https://coin-dataset.github.io