德克萨斯A&M大学 发布 多粒度视频-文本预训练数据集 数据集, 应用在 视频-文本学习、跨模态对齐 领域

德克萨斯A&M大学 本次发布的数据集 多粒度视频-文本预训练数据集, 该数据集是通过Granularity EXpansion (GEX)方法从单粒度视频-文本数据集扩展而来的多粒度数据集，旨在解决视频-文本学习任务中的跨模态对齐问题。数据集通过视频和文本的集成与压缩操作生成，能够反映真实世界中视频和文本的多粒度特性。创建过程简单且可扩展，无需额外的人工标注。该数据集主要应用于视频-文本对齐、视频分类和视频问答等任务，旨在提升模型在长视频理解任务中的表现。

查看多粒度视频-文本预训练数据集

关于 德克萨斯A&M大学 , 德克萨斯A&M大学是一所位于美国德克萨斯州的公立研究型大学，成立于1876年，以其工程、农业和军事科学等领域的研究而闻名。

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。