Frame/Object/User Meta在NVIDIA Data Types中的差异通俗解释

直接拿拍摄街头探店视频的场景举例，三者是标准套娃式嵌套结构，从外到内的定位完全不重叠：

Frame Meta（帧元数据） #

这是最外层的基础属性，由采集设备、编码系统自动生成，和画面内容无关，只描述帧本身的固有属性。
比如某一帧的时间戳是视频第1分23秒、分辨率为4K、编码格式是H.265、拍摄时设备GPS定位在某某路咖啡店门口、拍摄参数为ISO200、快门速度1/100s，这些都属于Frame Meta。这类信息不需要分析画面内容，设备拍摄时就会自动写入，一般为只读属性，随意修改会导致帧解析出错。

Object Meta（对象元数据） #

这是嵌在Frame Meta里的中间层信息，是AI识别、人工标注产出的、针对帧内具体目标的结构化结果，核心描述画面的实际内容。
比如刚才那帧咖啡店的画面，算法识别出3个独立目标：

• 穿白T恤的店员，边界框坐标<210,80,450,980>，识别置信度97%，动作是制作咖啡
• 冰美式咖啡，边界框坐标<600,420,680,650>，识别置信度92%
• 店门口的橘猫，边界框坐标<10,800,200,1020>，识别置信度99%，动作是睡觉
  这些绑定在帧内具体物体上的属性，就是Object Meta。它的字段一般是识别平台预设好的，你可以修正标注结果，但不能随意改动字段结构。

User Meta（用户元数据） #

这是最内层的完全自定义信息，是使用数据的业务方自行添加的扩展标记，和系统生成的帧属性、算法识别的对象属性没有强制关联，既可以挂在整个帧的层级，也可以挂在某个具体对象上。
比如你给这帧加标记「这段要剪成探店封面」，给那只橘猫的对象加标记「这是店里的招财猫，要给3秒特写」，甚至塞自定义字段cover_candidate=1、highlight=true给后期剪辑脚本自动读取，这些由你自定义字段、自行赋值的内容，全属于User Meta。没有规则限制存储内容，只要配套的业务逻辑能正常读取即可。

一句话快速区分 #

• Frame Meta：说明「这帧本身是什么参数、在哪拍的、什么时候拍的」
• Object Meta：说明「这帧里有什么东西、东西在哪、在做什么」
• User Meta：说明「我要给这帧/帧里的对象加什么业务专属标记」

内容的提问来源于stack exchange，提问作者Koustubh Rao