厦门大学 发布 BigVideo 数据集, 应用在 视频字幕翻译、多模态机器翻译 领域

厦门大学 本次发布的数据集 BigVideo, 该数据集名为BigVideo，是一个大规模的视频字幕翻译数据集，包含了450万句对以及总计9,981小时的视频资料。这些数据来源于YouTube和西瓜视频，旨在推动多模态机器翻译的发展。该数据集不仅包含了英汉两种语言的人工撰写字幕，而且重点筛选了高质量的视频-字幕配对。此外，数据集还包含了两个测试集：模糊测试集和明确测试集，它们被设计用来评估在翻译过程中视觉上下文的必要性。该数据集的规模达到了450万句对和9,981小时的视频资料，其任务专注于视频字幕翻译。

查看BigVideo

README 内容： 

关于 厦门大学 , 厦门大学是中国一所综合性大学，位于福建省厦门市，成立于1921年，是中国高等教育的重要基地之一。

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。