深圳大学 发布 TopicVD 数据集, 应用在 多模态机器翻译、纪录片翻译 领域

深圳大学 本次发布的数据集 TopicVD, TopicVD是一个基于主题的视频支持的多模态机器翻译数据集，旨在推动纪录片翻译领域的研究。数据集由256部纪录片组成，总时长285小时，包含122,930对中英平行字幕，分为8个主题：经济、食物、历史、人物、军事、自然、社会和技术。数据集保留了每个视频字幕对的上下文信息，以支持利用纪录片的全局上下文进行视频引导的多模态机器翻译研究。数据集的建设过程包括数据收集、字幕处理、视频处理和数据构建等步骤。TopicVD旨在解决现有多模态机器翻译数据集在视频数据广泛性和主题多样性方面的不足，为纪录片翻译提供更丰富的视觉和文本信息。数据集的创建和应用对于推动视频引导的多模态机器翻译研究具有重要意义。

查看TopicVD

README 内容： 

关于 深圳大学 , 深圳大学是中国广东省深圳市的一所综合性大学，成立于1983年，以应用技术为特色，致力于培养高素质的专业人才。

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。