高通AI研究 发布 Qualcomm Interactive Video Dataset (IVD) 数据集, 应用在 AI视觉理解、多模态数据集 领域

高通AI研究 本次发布的数据集 Qualcomm Interactive Video Dataset (IVD), 高通交互式视频数据集（IVD）是一个专门为评估AI模型在实时情境下视觉理解能力而设计的多模态数据集。该数据集由2900个视频剪辑组成，每个视频都配有与视频内容同步的问题和答案对。这些问题和答案经过人工标注，并且包含了回答问题的时间戳。数据集的视频展示了各种不同的场景、行为和对象，旨在训练和评估AI系统在理解视觉场景方面的能力。IVD数据集能够为在线大型多模态模型的情境音频-视觉推理研究提供支持，并可用于构建能够实时与用户互动的对话系统。

查看Qualcomm Interactive Video Dataset (IVD)

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。