DiDeMo는 Distinct Describable Moments의 약자로, 자연어 설명에 따라 비디오에서 시간적으로 이벤트를 찾는 데 사용할 수 있습니다. 데이터 세트의 비디오는 Flickr에서 수집되었으며, 각 비디오는 최대 30초 길이의 세그먼트로 잘려 있습니다. 데이터 세트의 비디오는 주석의 복잡성을 줄이기 위해 각각 5초짜리 세그먼트로 나뉩니다.

데이터 세트는 훈련 세트, 검증 세트, 테스트 세트로 나뉘며, 각각 8,395개, 1,065개, 1,004개의 비디오를 포함합니다. 이 데이터 세트에는 총 26,892개의 순간이 포함되어 있으며, 하나의 순간은 여러 주석자의 설명과 연관될 수 있습니다. DiDeMo 데이터 세트의 설명은 자세하며 카메라 움직임, 시간 전환 측정항목, 활동 등이 포함되어 있습니다. 더욱이 이 데이터 세트의 설명은 각 설명이 특정 시점을 나타내도록 검증되었습니다.