原帖引用 · AI 翻译
Rohan Paul@rohanpaul_ai
@perceptroninc 哇，没想到 GBT6 S-Tri 在这类工作上这么擅长。 世界需要密集的第一人称视角标注。
隆重推出 EgoHome：一个用于密集、亚秒级第一人称视角理解的全新开放基准。
由人工标注的家务视频，每个片段都有 4 种标注类型：手部边界框、子任务、手部动作、手部文字描述。
其中有超过 750 个时长不到 500 毫秒的片段。
数据、指标和评判提示词全部开放。🧵
原文
Introducing EgoHome: a new open benchmark for dense, sub-second egocentric understanding. Human-annotated household-chore video with 4 annotation types on every clip: hand boxes, subtasks, hand actions, hand captions. It features over 750 segments under 500ms. Data, metrics, and judge prompts are all open. 🧵
· UTC+8