# [AIKU x brAIn Video Summarization Challenge] — Data

来源：https://www.kaggle.com/competitions/aikubrainvideosummary/data

本地 Meta Kaggle 快照；不是本次实时页面。

# Dataset Description

본 데이터톤은 참가자들이 Video Summarization 모델을 개발하고 평가할 수 있도록 훈련용(Train) 및 테스트용(Test) 데이터및 베이스라인을 제공합니다. 데이터는 비디오의 핵심 특징(Features)을 담고 있는 HDF5 (H5) 파일과 메타 정보 및 Ground Truth를 담고 있는 CSV 파일로 구성됩니다.

## Files

| File Name             | Purpose                                   | Format      | Size (Approximate)                     |
|-----------------------|---------------------------------------------|-------------|----------------------------------------|
| train.h5              | 모델 훈련을 위한 비디오 특징 데이터        | H5 (HDF5)   | 6,000개 비디오 Frame Feature         |
| train.csv             | 훈련 비디오의 Metadata 및 Ground Truth Score | CSV         | 6,000개 Video ID                       |
| test.h5               | 테스트 Segment Feature (특징 데이터)       | H5 (HDF5)   | 1,500개 비디오 Frame Feature         |
| test.csv              | 테스트 비디오의 Metadata                   | CSV         | 1,500개 Video ID                       |
| sample_submission.csv | 제출 형식 예시 파일                        | CSV         | -                                      |

## H5 File Structure

H5 파일은 각 비디오의 Frame-level Feature 및 관련 Ground Truth 정보를 효율적으로 저장하는 데 사용됩니다. 각 비디오는 H5 파일 내에서 고유한 그룹(Group)으로 저장되며, **train.h5**에는 train_video_0000 형태의 Video ID가, **test.h5**에는 test_video_0000 형태의 Video ID가 Key로 사용됩니다.

각 그룹 내에는 다음 4가지 핵심 Dataset이 포함되어 있습니다:
| Dataset Name   | Data Type        | Description                                                                                               | Shape / Dimension |
|----------------|------------------|-----------------------------------------------------------------------------------------------------------|-------------------|
| features       | numpy.ndarray    | 각 비디오 Frame의 시각적 특징 Vector (e.g., InceptionV3). 이 특징을 활용하여 Importance Score를 예측해야 합니다. | (N, D)            |
| gtscore        | numpy.ndarray    | 각 Frame에 대한 Ground Truth Importance Score (0.0 ~ 1.0). Train 세트에서만 직접적인 학습에 사용됩니다.       | (N,)              |
| gtsummary      | numpy.ndarray    | 이진 벡터 형태의 Ground Truth Summary (0 또는 1). gtscore를 기반으로 생성된 요약 정보입니다.                     | (N,)              |
| change_points  | numpy.ndarray    | 비디오 내에서 Segment가 바뀌는 지점(Change Points)을 나타내는 Index.                                         | (M, 2)            |

- N: 해당 비디오 내의 총 Frame 개수 (Time steps).
- D: Feature Vector의 차원 (Dimension).
- M: Segment가 바뀌는 Change Point 쌍의 개수.

## CSV File Structure

CSV 파일은 H5 파일에 접근하기 위한 Metadata를 제공하며, **train.csv**에는 Ground Truth Score가 함께 제공됩니다.

| Column Name | Data Type           | Description                                                            | Example Value               |
|-------------|----------------------|------------------------------------------------------------------------|------------------------------|
| video_id    | String               | H5 파일 내 그룹 Key와 매칭되는 고유한 Video Identifier입니다.          | train_video_0000             |
| gt_score    | String (JSON Array)  | 해당 비디오의 모든 Frame에 대한 Ground Truth Importance Score의 JSON String Array입니다. | "[0.12, 0.55, 0.91, ...]"    |