弗吉尼亚理工大学 发布 VideoAVE 数据集, 应用在 电子商务、视频内容分析 领域

弗吉尼亚理工大学 本次发布的数据集 VideoAVE, VideoAVE是一个多属性视频到文本属性值提取数据集，是第一个公开可用的视频到文本电子商务AVE数据集，涵盖了14个不同的领域和172个独特的属性。为了保证数据质量，我们提出了一种后处理CLIP-MoE过滤系统来移除不匹配的视频-产品对，从而得到一个经过精炼的数据集。我们还在VideoAVE上建立了一个全面的基准，以评估几个最先进的视频视觉语言模型在属性条件值预测和开放属性值对提取任务中的表现。结果表明，视频到文本的AVE仍然是一个具有挑战性的问题，特别是在开放场景中，仍有开发更先进的VLMs的空间。

查看VideoAVE

README 内容： 

关于 弗吉尼亚理工大学 , 弗吉尼亚理工大学是一所位于美国弗吉尼亚州的公立研究型大学，成立于1872年。该校以工程、建筑、农业和生命科学等领域的教学和研究而闻名，是美国东南部重要的学术中心之一。

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。