上海人工智能实验室 发布 ShotQA 数据集, 应用在 多模态学习、电影语言理解 领域

上海人工智能实验室 本次发布的数据集 ShotQA, ShotQA是一个大规模的多模态数据集，旨在促进视觉语言模型对电影语言的深入理解。该数据集由约7万对高质量的电影图像和视频片段中的问答对组成，涵盖8个核心的电影摄影维度，包括镜头大小、镜头构图、相机角度、镜头尺寸、光照类型、光照条件、构图和相机运动。数据集的构建过程包括数据收集与预处理、标注员培训、问答标注和验证。该数据集可以用于训练和评估视觉语言模型，以提高模型对电影摄影技巧的理解能力。

查看ShotQA

关于 上海人工智能实验室 , 上海人工智能实验室是我国人工智能领域的新型科研机构，开展战略性、原创性、前瞻性的科学研究与技术攻关，突破人工智能的重要基础理论和关键核心技术，打造“突破型、引领型、平台型”一体化的大型综合性研究基地，支撑我国人工智能产业实现跨越式发展，目标建成国际一流的人工智能实验室，成为享誉全球的人工智能原创理论和技术的策源地。

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。