CSL-News

מה זה

המאגר מבוסס על סרטוני וידאו של שפת סימנים סינית שנאספו משידורי רשת ציבוריים, כחלק ממחקר שמטרתו אימון מודלים להבנת שפת סימנים בהיקף רחב. החומרים מיועדים למשימות שמשלבות וידאו וטקסט, בעיקר תרגום מחוות של שפת סימנים לשפה כתובה.

התוכן מאורגן בקובצי ארכיון ממוספרים המכילים את קובצי הווידאו עצמם בפורמט צבע. לצידם מצורפים קובצי תיוג בפורמטים סטנדרטיים של טבלאות וטקסט, המקשרים בין קטעי הווידאו לבין הטקסט התואם בסינית. החוקרים לא פירטו בכרטיס את שיטות הסינון או הניקוי של הסרטונים, אך ציינו שקיימת גרסה נפרדת של הנתונים בפורמט של נקודות שלד.

מתאים ל

• מחקר בתרגום שפת סימנים

  אימון ובדיקה של מודלים שממירים רצפי תנועה מתוך וידאו לטקסט כתוב בסינית.

• בחינת מודלים על בסיס שלד

  שילוב עם גרסת הפוז של המאגר לצורך השוואת ביצועים בין ניתוח וידאו גולמי למיפוי תנועה.

• הערכת מערכות ראייה ממוחשבת

  מדידת יכולת דיוק של מודלים בזיהוי מחוות ידיים והבעות פנים בתנאי שידור אמיתיים.

איפה זה נופל

המאגר מוגבל לשפת סימנים סינית בלבד ואינו רלוונטי כלל למי שמחפש שפת סימנים ישראלית או שפות אחרות. מקור הנתונים בסרטוני חדשות מהרשת, סביבה בעלת מאפיינים חזותיים ושפה רשמית ספציפית, בלי מידע על גיל הדוברים, ניבים אזוריים או איכות התאורה. בנוסף, לא מפורטים תאריכי הפקת הסרטונים או תהליכי הסינון שנעשו, כך שייתכנו פערים באיכות התיוג שלא תועדו בדף הפרויקט.

איך טוענים

ההורדה מתבצעת ישירות מהמאגר באמצעות תסריט ייעודי או פקודות רשת פשוטות עבור 440 קובצי ארכיון דחוסים. אין צורך באישור גישה מיוחד כדי להוריד את הקבצים. לאחר חילוץ הווידאו לספריות עבודה מקומיות, טוענים את התיוגים מקובץ הג'ייסון או הסי אס וי באמצעות ספריות פייתון רגילות. מומלץ לוודא שיש מספיק נפח אחסון פנוי לפני שמתחילים לחלץ מאות קבצים דחוסים.

from datasets import load_dataset

ds = load_dataset("ZechengLi19/CSL-News")

הרישיון

המאגר מופץ תחת רישיון קריאייטיב קומונס לא מסחרי. מותר להשתמש בו לצורכי מחקר ולמידה תוך מתן קרדיט ליוצרים, אך אסור לחלוטין להשתמש בו או במודלים שאומנו עליו לכל מטרה מסחרית או הפקת רווח, מכיוון שזכויות היוצרים על הסרטונים שייכות ליוצרי התוכן המקוריים ברשת.

• שינוי הקוד
• חובת ייחוס
• שימוש מסחרי: לא

הרישיון המלא ב־Hugging Face ↗