浙江大学 发布 TriSense-2M 数据集, 应用在 多模态学习、时序理解 领域

浙江大学 本次发布的数据集 TriSense-2M, TriSense-2M是一个大规模的多模态数据集，包含超过200万条注释。每个视频实例都包括在视觉、音频和语音模态上基于事件进行注释，并且具有灵活的组合和模态的自然缺失。数据集支持各种场景，并包括平均时长为905秒的长视频，这显著长于现有数据集中的视频，从而能够实现更深层次和更真实的时序理解。重要的是，查询使用高质量的母语语言，与时间注释对齐，并且跨越不同的模态配置，以促进鲁棒的多模态学习。

查看TriSense-2M

关于 浙江大学 , 浙江大学是中国一所历史悠久、学科全面、科研实力雄厚的顶尖综合性大学。

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。