香港大学 发布 VistaDPO-7k 数据集, 应用在 视频理解、自然语言处理 领域

香港大学 本次发布的数据集 VistaDPO-7k, VistaDPO-7k是一个大规模的空间-时间标注视频数据集，由新加坡国立大学构建，包含7.2K个问答对，每个问答对都包含选定的和拒绝的回答，以及时间戳、关键帧和边界框等空间-时间定位信息。该数据集旨在通过细粒度的视频-语言偏好对齐，减少视频语言失配和幻觉问题，支持多层次偏好优化，包括实例级、时间级和感知级，以增强大型视频模型的空间-时间推理能力。

查看VistaDPO-7k

README 内容： 

关于 香港大学 , 香港大学是一所位于中国香港的国际化公立研究型大学，是香港最早的高等教育机构，也是香港最顶尖的大学之一，以其学术水平和研究成果在亚洲及世界享有盛誉。

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。