Cityscapes-VPS视频全景分割数据集｜2500帧扩展标签 支持VPS/VSS/VIS


一、数据集核心定位：Cityscapes验证集的视频场景扩展
Cityscapes-VPS是Cityscapes数据集验证集的专属视频扩展数据集，核心解决原数据集“静态图像标签难适配视频分割任务”的痛点。  


通过新增2500帧全景标签（panoptic label），将Cityscapes原有的500个图像全景标签总量提升至3000个，填补视频动态场景下全景分割数据的缺口，为视频类分割模型提供更贴近真实应用的训练与评估基准。



二、核心数据细节：500个视频+动态实例ID
数据集标注严格对应视频关键帧，且包含动态属性，具体信息如下：  
视频与帧对应：标签覆盖500个视频，每个视频仅标注第5、10、15、20、25、30帧，聚焦视频中目标变化的关键节点；  
实例ID特性：所有标注的实例ID随时间动态变化，还原真实视频中“目标移动、遮挡、出现/消失”的场景，提升数据对动态分割任务的适配性。



三、支持任务范围：覆盖3类视频分割需求
数据集不仅聚焦核心任务，还提供超集标注，减少额外数据补充成本：  
核心任务：直接支持视频全景分割（VPS），满足“语义+实例”统一分割的需求；  
扩展任务：提供视频语义分割（VSS）、视频实例分割（VIS） 的super-set标注（超集标注），即一套数据可同时用于三类任务的模型训练与性能测试，无需单独获取多套数据集。


四、权威获取与使用场景
1. 核心获取途径
优先通过Cityscapes官方数据集平台下载，进入“Extensions”板块选择“Cityscapes-VPS”，支持按任务需求下载标签子集（如仅VPS标签、含VSS/VIS标签），格式适配主流深度学习框架（如PyTorch、TensorFlow）。


2. 典型使用场景
模型开发：用于训练视频分割模型（如动态目标跟踪+分割融合模型），优化视频中实例ID一致性处理；  
学术研究：支撑“视频全景分割算法对比”“动态实例ID匹配策略”等课题，提供标准化数据验证；  
行业应用：适配自动驾驶、智能监控等领域的视频分割需求（如道路场景中车辆、行人的动态分割）。