字节跳动有限公司 发布 ScaleLong 数据集, 应用在 视频理解、多模态语言模型 领域

字节跳动有限公司 本次发布的数据集 ScaleLong, ScaleLong数据集是由字节跳动公司创建的，旨在评估多模态大型语言模型（MLLMs）在长视频理解中的多时间尺度能力。该数据集包含269个视频，每个视频平均时长为86分钟，每个视频都标注了4-8个问题，涵盖了四个时间尺度层次：剪辑（秒）、镜头（几十秒）、事件（分钟）和故事（小时）。数据集涵盖了5个主要类别和36个子类别，旨在对MLLMs在处理长视频中的不同时间尺度信息时进行全面的评估。

查看ScaleLong

README 内容： 

关于 字节跳动有限公司 , 字节跳动是中国领先的搜索引擎公司，以算法推荐为核心技术，提供网页搜索、视频搜索等多种在线信息检索服务。

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。