COM Kitchens：一个未经编辑的俯视视频数据集作为一个视觉 - 语言基准测试
内容提要
EPIC-KITCHENS数据库是一个大规模数据集，包含32名参与者的55小时第一人称视角视频，涵盖39.6K个动作段和454.3K个物体边界框，记录了厨房中的日常行为，具有多样性和真实意图的注释，推动了视频领域的研究与评估。
延伸解读
数据集的核心特点
EPIC-KITCHENS 是一个大规模第一人称视角视频数据库，包含 32 名参与者的 55 小时视频，密集标注了 39.6K 个动作段和 454.3K 个物体边界框。其注释与真实意图紧密相关，记录了厨房中的日常行为，具有多样性和真实性，为第一人称视频研究提供了丰富资源。
后续扩展与影响
基于原始数据集，研究者推出了 EPIC-KITCHENS-100，将规模扩展至 100 小时、2000 万帧、90,000 个动作，涵盖 45 个环境中的长期非剧本活动。该扩展在细粒度动作、动作检测、动作识别、无监督域适应和跨模态检索等领域提供了新的挑战与评估基准，推动了第一人称视频领域的发展。
相关研究与应用
文章还提及了多个相关数据集和研究，如 Nutrition5k 用于预测菜肴热量和营养素，CoVR 任务扩展了组合图像检索，ViTT 数据集用于密集视频字幕，以及 Microsoft Research Multimodal Aligned Recipe Corpus 用于多模态对齐。这些工作展示了视频理解在烹饪、营养和教学等领域的广泛应用。
Q&A
EPIC-KITCHENS数据库包含哪些类型的数据？
EPIC-KITCHENS数据库包含来自32名参与者的55小时第一人称视角视频，记录了39.6K个动作段和454.3K个物体边界框。
EPIC-KITCHENS数据库的主要用途是什么？
该数据库可用于第一人称视角视频领域的挑战评估和研究，推动相关领域的发展。
EPIC-KITCHENS数据库的注释特点是什么？
数据库的注释与真实意图紧密相关，具有多样性和真实意图的注释。
EPIC-KITCHENS数据库如何推动视频领域的研究？
通过提供大规模和多样化的厨房日常行为记录，EPIC-KITCHENS数据库为视频领域的研究与评估提供了丰富的数据基础。
EPIC-KITCHENS数据库的参与者来自哪里？
参与者来自不同国籍，确保了数据的多样性。
EPIC-KITCHENS数据库的规模有多大？
数据库包含55小时的视频和超过39.6K个动作段，454.3K个物体边界框，规模非常庞大。
