CVPR 2023 Workshop | 首个大规模视频全景分割比赛
点击下方卡片，关注“CVer”公众号
AI/CV重磅干货，第一时间送达
Workshop主页链接：
https://www.vspwdataset.com/Workshop%202023.html
简介：像素级视频理解是计算机视觉领域的一个基本任务。目前学界对图片分割己经有了比较充分的研究。然而对与现实世界的很多应用，比如自动驾驶、短视频编辑等等，需要处理的多为视频数据。因此，对视频分割的研究是必要且具有现实意义的。为此，主办方采集了目前最大规模的视频语义分割数据集 Video Scene Parsing in the Wild (VSPW) [1] 以及视频全景分割数据集VIdeo Panoptic Segmentation in the Wild (VIPSeg) [2]，并在此基础上举办视频语义/全景分割比赛。比赛公开了VSPW与VIPSeg 数据集的训练集和验证集，而测试集的ground truth 不会公开。参赛者可以提交测试集预测结果到比赛网站上来获得模型测试结果。
同时我们也欢迎不限于此次比赛的相关学术论文投稿，研究topic 包括但不限于视频/图片语义分割(VSS)，视频物体分割（VOS），视频实例分割（VIS），视频全景分割（VPS），目标跟踪（Tracking）以及其他视频相关应用，投稿cmt地址为：
https://www.vspwdataset.com/Workshop%202023.html.
截稿日期详见workshop主页：
https://www.vspwdataset.com/Workshop%202023.html.
本次比赛包含两个track，视频语义分割（VSS Track）与视频全景分割（VPS Track）。
视频语义分割赛道（VSS Track）：在此赛道中，参赛者可以使用VSPW的训练集来训练模型。其他相关的分割数据集（COCO、ADE20k 等）也可以应用在训练中，如果应用了其他数据集，需要向主办方说明使用额外数据集的信息。排行榜根据分割结果与ground truth 的mIoU来决定。
参赛网站：
https://codalab.lisn.upsaclay.fr/competitions/7869
数据集下载：
https://github.com/VSPW-dataset/VSPW-dataset-download
Baseline代码：
https://github.com/VSPW-dataset/VSPW_baseline
视频全景分割赛道（VPS Track）：在此赛道中，参赛者可以使用VIPSeg的训练集来训练模型。其他相关的分割数据集（COCO、ADE20k 等）也可以应用在训练中，如果应用了其他数据集，需要向主办方说明使用额外数据集的信息。排行榜根据VPQ score来决定。
参赛网站：
https://codalab.lisn.upsaclay.fr/competitions/9743
数据集下载：
https://github.com/VIPSeg-Dataset/VIPSeg-Dataset
Baseline 代码：
https://github.com/VIPSeg-Dataset/VIPSeg-Dataset/tree/main/ClipPanoFCN
比赛分为两个阶段：
第一阶段时间为1月20日至5月15日，参赛者可开发模型，提交测试集预测结果。本阶段返回部分测试集的预测结果。
第二阶段为 5月15日至5月25日，是比赛的最终阶段。
[1] VSPW: A Large-scale Dataset for Video Scene Parsing in the Wild. CVPR 2021
[2] Large-scale Video Panoptic Segmentation in the Wild: A Benchmark. CVPR 2022
CVPR/ECCV 2022论文和代码下载
后台回复：CVPR2022，即可下载CVPR 2022论文和代码开源的论文合集
后台回复：ECCV2022，即可下载ECCV 2022论文和代码开源的论文合集
后台回复：Transformer综述，即可下载最新的3篇Transformer综述PDF
图像分割交流群成立
扫描下方二维码，或者添加微信：CVer222，即可添加CVer小助手微信，便可申请加入CVer-图像分割 微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer等。
一定要备注：研究方向+地点+学校/公司+昵称（如图像分割+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群
▲扫码或加微信号: CVer222，进交流群
CVer学术交流群（知识星球）来了！想要了解最新最快最好的CV/DL/ML论文速递、优质开源项目、学习教程和实战训练等资料，欢迎扫描下方二维码，加入CVer学术交流群，已汇集数千人！
▲扫码进群
▲点击上方卡片，关注CVer公众号
整理不易，请点赞和在看
微信扫码关注该文公众号作者