TVR-Ranking: A Dataset for Ranked Video Moment Retrieval with Imprecise Queries

本文提出了一项名为“排名视频时刻检索”（Ranked Video Moment Retrieval，RVMR）的任务，通过自然语言查询在一组视频中定位匹配时刻的排名列表。虽然计算机视觉、自然语言处理和信息检索领域已经提出和研究了一些相关任务，但RVMR是最能反映时刻检索实际情况的任务。为了促进RVMR的研究，我们基于TVR数据集中提供的原始视频和现有时刻注释开发了TVR-Ranking数据集。我们的主要贡献是对94,442个查询-时刻对进行相关性级别的手动注释。然后，我们为这个新任务开发了$NDCG@K, IoU\geq \mu$评估指标，并进行了实验，评估了三个基线模型。我们的实验表明，新的RVMR任务给现有模型带来了新的挑战，我们相信这个新数据集对多模式搜索的研究有所贡献。该数据集可在\url{https://github.com/Ranking-VMR/TVR-Ranking}获取。

论文提出了Ranked Video Moment Retrieval (RVMR)这个任务，旨在通过自然语言查询从视频集合中定位匹配时刻的排序列表。这个任务与计算机视觉、自然语言处理和信息检索社区提出和研究的一些相关任务不同，最符合实际的时刻搜索设置。

为了促进RVMR的研究，研究人员开发了基于TVR数据集提供的原始视频和现有时刻注释的TVR-Ranking数据集。他们的关键贡献是手动注释了94442个查询时刻对的相关性级别，并开发了NDCG@K，IoU≥μ的评估指标。通过对三个基准模型进行实验，研究人员发现新的RVMR任务为现有模型带来了新的挑战。

论文的亮点包括：开发了新的RVMR任务和数据集；手动注释了94442个查询时刻对的相关性级别；开发了NDCG@K，IoU≥μ的评估指标；通过实验发现新的RVMR任务为现有模型带来了新的挑战。

最近在这个领域中，还有一些相关的研究，例如：《TVR: A Large-Scale Dataset for Video-Subtitle Moment Retrieval》、《Video Moment Retrieval via Language Queries: A Task with Large-Scale Video Understanding》等。