布里斯托尔大学 发布 UGC-VideoCap 数据集, 应用在 多模态视频理解、用户生成内容 领域

布里斯托尔大学 本次发布的数据集 UGC-VideoCap, UGC-VideoCap是一个大型基准数据集，专为详细描述包含音频和视觉信息的短视频而设计。它包括约1000个TikTok视频，每个视频都富含语音轨道和多样化的内容。数据集采用了严格的三阶段人工标注流程，包括仅音频、仅视觉和音频视觉联合语义的标注。此外，还包括超过4000个手工设计的开放式和多项选择题，以全面探索视觉和听觉方面的理解。UGC-VideoCap旨在促进全模态视频理解的研究，特别是在UGC和电影等现实世界中，丰富的多模态线索和细粒度语义是至关重要的。

查看UGC-VideoCap

Dataset card 内容： 

Files and versions 内容： 

关于 布里斯托尔大学 , 布里斯托尔大学是英国的一所著名研究型大学，成立于1876年，位于英格兰西南部的布里斯托尔市。该校在多个学科领域享有盛誉，尤其在工程、物理、计算机科学和医学等领域表现突出。布里斯托尔大学视觉研究所是该校在计算机视觉和图像处理领域的重要研究机构之一，致力于推动视觉技术的创新与发展。

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。