SumMe 是一个视频摘要数据集，由 25 个视频组成，每个视频至少有 15 个人为标注，共有 390 个标注。

数据由视频、标注和评价指标组成。 Ground truth 是一种新的评价范式，因为它源于心理学实验，可以进行一致的自动评价，不需要在每次获得新摘要结果时都进行用户研究。