MMApr, 2019

图像、音频和视频的 VIA 注释软件

PDF
TL;DR本文介绍了一种简单且独立的手动标注工具 ——VGG 图像标注器（VIA）。该软件支持人工标注图像或视频帧中的空间区域以及音频或视频中的时间段，并可以将这些手动注释导出到 JSON 和 CSV 等文本格式，以便进一步处理。
manual annotation toolvgg image annotator (via)image annotationaudio annotationvideo annotation
发现论文，激发创造
  • 视频注释工具：使用视觉语言模型和主动学习有效构建视频分类器的框架

    通过人机交互系统的更直接参与，使用一种新的框架 Video Annotator（VA）对视频分类数据集进行注释、管理和迭代，提高模型开发过程的效率、可用性和有效性，实现高质量模型的高效创建。

    Feb, 2024

  • 视频目标分割中注释的内容与方法学习

    EVA-VOS 是一种视频目标分割的人机协作注释框架，通过引入代理模型进行逐帧帧选择和注释类型预测，可以实现高准确度且比传统视频注释方法快 3.5 倍的对象掩模生成与注释时间降低。

    Nov, 2023

  • AnnoTheia：音像语音技术半自动标注工具包

    为了推动低资源语言的视听说技术的研究，我们提出了 AnnoTheia，这是一个半自动注释工具包，可以检测场景中人们的说话以及相应的转录。此外，我们还介绍了将一个预训练模型用于西班牙语的活动说话者检测的适应过程，使用了最初并非为此类任务而设计的数据库。AnnoTheia 工具包、教程和预训练模型已经在 GitHub 上提供。

    Feb, 2024

  • 连接视觉和语言：基于视频本地化叙述的研究

    本文提出了一种新形式的多模态视频注释方法：基于视频的定位叙事。在此方法中，注释员不仅可以说出视频中发生的事件，而且还可以使用鼠标追踪分段来定位句子的表示部分。同时，作者采用了该方法对三个数据集中的 20,000 个视频进行了注释，并提供了视频故事理解和视频问题回答任务的评测基准以及来自强基准模型的参考结果。

    Feb, 2023

  • 高性能视频实例分割无需视频注释

    通过利用图像数据集，本研究介绍了一种消除视频注释的方法，并通过适应性的 PM-VIS 算法来处理边框和实例级像素注释。通过引入 ImageNet-bbox 来补充视频数据集中缺失的类别，并通过 PM-VIS + 算法根据注释类型调整监督。通过在未注释的视频数据上使用伪掩码和半监督优化技术来提高准确性。这种方法在没有手动视频注释的情况下实现了高水平的视频实例分割性能，为视频实例分割应用提供了具有成本效益的解决方案和新的视角。代码将在此 https 网址上提供。

    Jun, 2024

  • EEVEE: 一款简易的自然语言处理标注工具

    EEVEE 是一种专注于简便性、效率和易用性的标注工具，可以直接在浏览器中运行，并使用制表符分隔的文件进行标注，支持多任务标注和四种任务类型。

    Feb, 2024

  • 通过单帧注释从文本查询中检索视频时刻

    本文提出一种称为 “glance annotation” 的新型注释范式，通过将输入的视频切分成多个片段，并利用对比学习的 ViGA 方法，得到具有高性能的视频片段检索结果。

    Apr, 2022

  • 无需注释的音视频分割

    本文提出了一种用于定位视觉场景中声音对象的 Audio-Visual Segmentation (AVS) 的方法，其中使用了缩放和无注释的管道来生成 AVS 模型的合成数据，还提出了一种 Audio-Aware Transformer (AuTR) 结构，具有音频感知的查询式变压器解码器，以使模型更准确地进行分割。作者在合成和实际数据集上进行了广泛的实验，并取得了很好的效果。

    May, 2023

  • 带可见状态的边界框注释

    提出了一种通过移动相机进行捕捉的自动化注释方法，并通过游戏化应用程序特性来捕获多视图图像数据集，降低了人们的心理负担和时间压力，从而增加了参与度。

    Apr, 2023

  • 连接视觉和语言的局部叙述

    我们提出了一种新的多模态图像标注方法，称为定位叙述，将视觉和语言进行连接。通过请求标注者在将鼠标指针悬停在要描述的区域的同时用语音来描述图像，我们实现了对每个单词进行定位。该方法经过全面的分析和外部数据验证，具有高度准确性和生产效率，并且在受控图像字幕应用程序中具有实用性。

    Dec, 2019