字节跳动公司 发布 Dynamic-VLM 数据集, 应用在 视频理解、大语言模型 领域

字节跳动公司 本次发布的数据集 Dynamic-VLM, Dynamic-VLM是一个用于训练视频大语言模型（VideoLLM）的高质量合成视频-文本数据集，由字节跳动公司创建。该数据集包含200万条视频问答对，涵盖多种任务类型，如感知任务、时间任务、推理任务等。数据集的创建过程包括从多个现有数据集（如WebVid-10M、InternVid-10M和HDVILA-100M）中提取原始视频，并通过精心设计的提示生成问答对。Dynamic-VLM数据集的应用领域广泛，旨在提升视频理解模型的性能，特别是在处理长视频和复杂视频任务方面。

查看Dynamic-VLM

README 内容： 

关于 字节跳动公司 , 字节跳动公司是一家全球领先的科技公司，专注于互联网服务和产品，包括社交媒体、短视频平台和内容推荐系统等。

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。