مجموعة بيانات وصف الفيديو الكثيف ViTT

ViTT تعني علامات الجدول الزمني للفيديو، والتي تتكون من 8169 مقطع فيديو مع تعليقات توضيحية على مستوى المقطع تم إنشاؤها يدويًا. ومن بين هذه الفيديوهات، تم التعليق على 5840 فيديو مرة واحدة، وتم التعليق على الباقي مرتين أو أكثر. تم إصدار ما مجموعه 12,461 مجموعة من التعليقات التوضيحية لهذه المجموعة من البيانات. الفيديوهات الموجودة في هذه المجموعة من البيانات مأخوذة من مجموعة بيانات Youtube-8M.