数据集概述
THVD（说话头视频数据集）是一个综合性的人脸视频数据集，包含超过47,000个视频，总时长超过500小时，涵盖20,841个不同的身份。所有视频均为包含可见嘴部运动的完整长度视频，人脸最小尺寸为400像素，视频时长从20秒到5分钟不等。数据集包含丰富的人口统计信息和多语言覆盖，分辨率为百分之六十4K和百分之三十三全高清。
文件详解
- 主数据文件
- 文件名称：
output - example.csv
- 文件格式： CSV
- 字段映射介绍： 包含视频的详细元数据信息，主要字段包括：
- id：视频唯一标识符
- gender：性别信息
- race：种族信息
- lang：语言代码
- age：年龄分段
- date：录制日期
- filesize：文件大小
- filetype：文件格式（MP4）
- width：视频宽度
- height：视频高度
- length：视频时长
- fps：帧率
适用场景
- 人脸识别与验证：训练和评估人脸识别模型，支持大规模身份验证任务。
- 行为识别分析：识别视频中的人类活动和行为模式。
- 人员重识别：在不同视频和环境条件下进行身份跟踪和匹配。
- 深度伪造检测：开发视频篡改检测算法和伪造识别技术。
- 生成式AI应用：训练高分辨率视频生成模型，支持虚拟形象创建。
- 唇语同步应用：增强AI驱动的唇语同步模型，用于配音和虚拟形象应用。
- 背景AI处理：开发自动背景替换、分割和增强的AI模型。
