output-validation
Local self-check of instructions and mask outputs (format/range/consistency) without using GT.
Installation
Pick a client and clone the repository into its skills directory.
Installation
About this skill
Local self-check of instructions and mask outputs (format/range/consistency) without using GT.
How to use
Przygotuj trzy pliki: wideo źródłowe, plik JSON z instrukcjami przedziałów ramek (klucze w formacie "start-end") oraz plik NPZ z maskami. Upewnij się, że struktura NPZ zawiera klucze dla każdej ramki w formacie f_{i}data, f{i}indices i f{i}_indptr.
Zainstaluj wymagane biblioteki: json, numpy i opencv-python (cv2). Umiejętność dostarcza szablon kodu w Pythonie — dostosuj ścieżki do swoich plików wideo, instrukcji i masek.
Uruchom skrypt walidacyjny. Kod automatycznie wczyta metadane wideo (liczbę ramek, wysokość, szerokość) i przeanalizuje strukturę plików wyjściowych.
Zweryfikuj format kluczy JSON — każdy klucz musi być parą liczb całkowitych oddzielonych myślnikiem, gdzie początek ≤ koniec, a wartości muszą być listami niepustych stringów z dozwolonych etykiet.
Sprawdź pokrycie ramek: maksymalny indeks ramki nie może przekroczyć liczby ramek w wideo minus jeden, a liczba ramek w NPZ musi odpowiadać liczbie próbkowanych ramek bez luk.
Potwierdź integralność CSR — każda ramka powinna mieć poprawną strukturę rzadkiej macierzy z indptr o długości H+1 (gdzie H to wysokość wideo) i wszystkimi indeksami w zakresie [0, W). Po przejściu wszystkich kontroli możesz bezpiecznie przekazać dane do dalszego przetwarzania.