Tiger200K Dataset
收藏资源简介：
Tiger200K是一个手动整理的高视觉质量视频数据集，来源于用户生成内容（UGC）平台。通过优先考虑视觉保真度和美学质量，Tiger200K强调了人类专业知识在数据整理中的关键作用，并提供了一个简单但有效的流程，为微调和优化视频生成架构提供高质量、时间一致的视频-文本对。该数据集将持续扩展，并作为开源项目发布，以推动视频生成模型的研究和应用。
Tiger200K is a manually curated video dataset with high visual quality, sourced from user-generated content (UGC) platforms. By prioritizing visual fidelity and aesthetic quality, Tiger200K underscores the crucial role of human expertise in dataset curation and provides a simple yet effective process for fine-tuning and optimizing video generation architectures with high-quality, temporally consistent video-text pairs. The dataset will continue to expand and be released as an open-source project to promote research and applications of video generation models.
Tiger200K Dataset 概述
数据集简介
- 名称：Tiger200K
- 类型：手动筛选的高视觉质量视频数据集
- 来源：用户生成内容（UGC）平台
- 特点：注重视觉保真度和美学质量，提供高质量、时间一致的视频-文本对
- 用途：用于微调和优化视频生成架构
- 开放计划：将持续扩展并作为开源项目发布
数据集内容
-
数据结构：
├── meta_csv │ └── tiger200k_batch0.csv │ ├── videos │ ├── clips │ │ ├── BV1134y1E7P5 │ │ │ ├── BV1134y1E7P5_secen1_cut1.mp4 │ │ │ ├── BV1134y1E7P5_secen1_cut2.mp4 │ │ │ └── ... │ │ ├── BV114411z7v9 │ │ │ ├── BV1134y1E7P5_secen1_cut1.mp4 │ │ │ ├── BV1134y1E7P5_secen2_cut1.mp4 │ │ │ └── ... │ │ └── ... │ │ │ └──source │ ├── BV1134y1E7P5.mp4 │ ├── BV114411z7v9.mp4 │ └── ...
使用限制
- 许可：仅限非商业用途
- 注意事项：
- 用户需自行处理源视频获取和版权问题
- 数据集中的质量和分辨率信息对应于视频平台上的最高可观看质量
数据准备步骤
- 下载元数据csv：从Hugging Face下载到
meta_csv目录 - 下载源视频：使用bilibili-downloader根据bvid下载视频，保存到
videos/source目录 - 切割视频：运行
python cut_videos.py --meta-path meta_csv/tiger200k_batchxxx.csv切割源视频为片段
相关资源
- 技术报告：arXiv论文
- 项目页面：Tiger200K Project Page
- 数据集地址：Hugging Face
引用格式
bibtex @article{zhou2025tiger200k, title={Tiger200K: Manually Curated High Visual Quality Video Dataset from UGC Platform}, author={Zhou, Xianpan}, journal={arXiv preprint arXiv:2504.15182}, year={2025} }
最新动态
- 2025年4月26日：发布tiger200k数据集及数据准备脚本
- 2025年4月21日：发布论文和预览数据集
- 未来计划：将持续扩展数据集并不定期发布
