---
title: SumMe
canonical_url: "https://www.modelscope.cn/datasets/OmniData/SumMe"
md_url: "https://www.modelscope.cn/datasets/OmniData/SumMe.md"
repository: OmniData/SumMe
last_updated: 2024-07-09
license: "[SumMe Custom]"
storage_size: "2.2 GB"
domain:
  - publishDate
  - publisher
  - paperUrl
  - publishUrl
  - displayName
  - labelTypes
  - mediaTypes
  - taskTypes
tasks:
  - 2014
  - "ETH Zurich"
  - "https://gyglim.github.io/me/papers/GygliECCV14_vsum.pdf"
  - "https://gyglim.github.io/me/vsum/index.html"
  - SumMe
  - Text
  - Video
  - "Video Summarization"
downloads: 399
stars: 2
---

# SumMe

> SumMe - OmniData 在 ModelScope 开源的数据集。displayName: SumMe labelTypes: Text license: SumMe Custom mediaTypes: Video paperUrl: https://gyglim.github.io/me/papers/GygliECCV14vsum.pdf publishDate: "2014" publishUrl: https://gyglim.github.io/me/vsum/index.html…

OmniData/SumMe 是 ModelScope 魔搭社区上的2014、ETH Zurich、https://gyglim.github.io/me/papers/GygliECCV14_vsum.pdf数据集，涉及 publishDate、publisher、paperUrl 领域，存储大小 2.2 GB，采用 [SumMe Custom] 许可。

- **Repository**: OmniData/SumMe
- **License**: [SumMe Custom]
- **Tasks**: 2014, ETH Zurich, https://gyglim.github.io/me/papers/GygliECCV14_vsum.pdf, https://gyglim.github.io/me/vsum/index.html, SumMe, Text, Video, Video Summarization
- **Domain**: publishDate, publisher, paperUrl, publishUrl, displayName, labelTypes, mediaTypes, taskTypes
- **Storage size**: 2.2 GB
- **Downloads**: 399
- **Stars**: 2
- **Last updated**: 2024-07-09

Source: https://www.modelscope.cn/datasets/OmniData/SumMe

---

displayName: SumMe
labelTypes:
- Text
license:
- SumMe Custom
mediaTypes:
- Video
paperUrl: https://gyglim.github.io/me/papers/GygliECCV14_vsum.pdf
publishDate: "2014"
publishUrl: https://gyglim.github.io/me/vsum/index.html
publisher:
- ETH Zurich
tags:
- Bike
- Polo
taskTypes:
- Video Summarization

---
# 数据集介绍
  ## 简介
   SumMe 数据集是一个视频摘要数据集，由 25 个视频组成，每个视频都至少标注了 15 个人类摘要（总共 390 个）。本文提出了一种新颖的方法和视频摘要的新基准。因此，我们专注于用户视频，它们是包含一组有趣事件的原始视频。我们的方法首先使用针对原始视频量身定制的新颖“超帧”分割来分割视频。然后，我们使用一组低级、中级和高级特征来估计每个超帧的视觉趣味性。基于此评分，我们选择超帧的最佳子集来创建信息丰富且有趣的摘要。引入的基准带有多个人工创建的摘要，这些摘要是在受控心理实验中获得的。这些数据为客观评估摘要方法和获得视频摘要的新见解铺平了道路。在评估我们的方法时，我们发现它产生了高质量的结果，可以与人工创建的摘要相媲美。 
  ## 引文
  
```
"@inproceedings{gygli2014creating,
title={Creating summaries from user videos},
author={Gygli, Michael and Grabner, Helmut and Riemenschneider, Hayko and Gool, Luc Van},
booktitle={European conference on computer vision},
pages={505--520},
year={2014},
organization={Springer}
}"
```

  
## Download dataset
:modelscope-code[]{type="git"}
