Meta 发布 PE Video Dataset (PVD) 数据集, 应用在 视觉语言处理、数据编码 领域

Meta 本次发布的数据集 PE Video Dataset (PVD), PE视频数据集（PVD）是由Meta FAIR推出的一种创新合成视频文本数据集，包含100万种不同的视频和12万种由人工精炼的注释。该数据集通过结合视频帧和相应的文本描述，旨在为视觉语言对比训练提供高质量、对齐的数据，以促进大规模视觉编码器的训练和研究。

查看PE Video Dataset (PVD)

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。