谷歌研究 发布 Neptune 数据集, 应用在 视频理解、多模态学习 领域

谷歌研究 本次发布的数据集 Neptune, Neptune是由谷歌研究团队创建的一个用于长视频理解的数据集，旨在解决现有数据集多集中于短视频片段的问题。该数据集包含3268个问题-答案-干扰项的标注，涵盖了2405个视频，视频长度从几秒到15分钟不等。数据集的创建过程利用了大规模的视频语言模型（VLMs）和大型语言模型（LLMs），自动生成时间对齐的视频字幕和复杂的问题-答案-干扰项集。Neptune特别强调多模态推理能力，适用于评估模型在长视频中的时间顺序、计数和状态变化等方面的表现，旨在推动更先进的长视频理解模型的开发。

查看Neptune

README 内容： 

关于 谷歌研究 , 谷歌研究是谷歌公司旗下的研究部门，专注于推动计算机科学和技术的边界，涵盖人工智能、机器学习、数据科学等多个前沿领域。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。