ViTT 密集视频描述数据集

机构

发布地址

github.com

论文地址

arxiv.org

分类

视频字幕

许可协议

其他

发布日期

标签

视频字幕、视频描述、视频理解

本站暂不支持该数据集下载，如需下载请访问上述「发布地址」进行下载（如可用）

ViTT 全称 Video Timeline Tags，由 8,169 个视频组成，并带有人工生成的 segment-level 标注组成。其中，5,840 个视频被标注一次，其余视频被标注两次或更多。该数据集共发布了 12,461 组标注。该数据集中的视频来自 Youtube-8M 数据集。