VidSTG 数据集是一个基于 VidOR 数据集构建的时空视频接地数据集。 VidOR 是一个视频关系数据集，包含 7,000 、 835 和 2,165 个视频，分别用于训练、验证和测试。时空视频接地（Spatio-Temporal Video Grounding task）任务的目标是定位未剪辑视频的时空部分，该部分与描述目标的给定句子相匹配。