VideoPipe 2022 挑战赛：面向城市管道检测的实世界视频理解
计算机视觉与模式识别
2022-10-21 v1
摘要
视频理解是计算机视觉中的一个重要问题。目前该研究中被广泛研究的任务是人体动作识别，其中片段是从长视频中人工裁剪的，且每个片段假定为单一类别的人体动作。然而，在工业应用中我们可能面临更复杂的场景。例如，在真实世界的城市管道系统中，异常缺陷是细粒度的、多标签的、与领域相关的。要正确识别它们，我们需要理解详细的视频内容。为此，我们提议推进视频研究领域的进展，从传统的动作识别转向工业异常分析。特别地，我们引入了两个高质量视频基准，即 QV-Pipe 与 CCTV-Pipe，用于真实世界城市管道系统中的异常检测。基于这些新数据集，我们将举办两项竞赛，包括（1）QV-Pipe 上的视频缺陷分类与（2）CCTV-Pipe 上的时间缺陷定位。在本报告中，我们描述了这些基准的细节、竞赛赛道的问题定义、评估指标与结果摘要。我们期望，该竞赛能为智慧城市及更广领域的视频理解带来新的机遇与挑战。我们 VideoPipe 挑战赛的详情可在 https://videopipe.github.io 找到。
引用
@article{arxiv.2210.11158,
title = {VideoPipe 2022 Challenge: Real-World Video Understanding for Urban Pipe Inspection},
author = {Yi Liu and Xuan Zhang and Ying Li and Guixin Liang and Yabing Jiang and Lixia Qiu and Haiping Tang and Fei Xie and Wei Yao and Yi Dai and Yu Qiao and Yali Wang},
journal= {arXiv preprint arXiv:2210.11158},
year = {2022}
}
备注
VideoPipe Challenge @ ICPR2022. Homepage: https://videopipe.github.io/