動画アノテーション

Potato で動画をアノテーションする方法。フレーム単位のナビゲーション、時間区間のラベル付け、フレームごとの分類、フレームをまたいだオブジェクト追跡を解説します。

動画アノテーションは、画像の作業に時間軸を加えたものです。同じクリップを全体として 1 つのラベルで付けることも、時間区間に分割することも（「ゴールは 0:12 から 0:15 に起きる」）、フレームごとにアノテーションすることもできます。 Potato はフレームナビゲーションと時間操作を提供し、アノテーターがクリップ内を正確に移動できるようにします。

動画タスクは行動認識とオブジェクト追跡の中心的な対象です。

クリップ単位の分類

最も単純なタスクは、クリップ全体に 1 つのラベルを付けることです。

yaml

annotation_schemes:
  - annotation_type: radio
    name: action
    description: "What is the main action in this clip?"
    labels: [Walking, Running, Sitting, Jumping, Other]

時間区間、いつ何が起きるか

タイムライン上に区間を付けるには、動画の時間軸に対してスパン（span）を使います。これは音響イベント検出が音声に対して行うのと同じ考え方です。

yaml

annotation_schemes:
  - annotation_type: span
    name: events
    description: "Mark the start and end of each event and label it."
    labels: [Goal, Foul, Substitution, Replay]

フレームごとのアノテーションと追跡

フレーム単位の作業では、個々のフレームを分類する場合でも、フレームをまたいでオブジェクトを追跡する場合でも、アノテーターは動画を 1 フレームずつ進めて各フレームでアノテーションします。サンプリングレートを決めてください（全フレーム、N フレームごと、あるいはキーフレームのみ）。全フレームへのラベル付けはコストが高いため、ほとんどのプロジェクトはサブサンプリングします。