TVR (TV show Retrieval)

我们介绍了电视节目检索 (TVR)，这是一个新的多模式检索数据集。TVR要求系统理解视频及其相关的字幕 (对话) 文本，使其更加现实。该数据集包含在来自不同类型的6个电视节目的21.8k视频上收集的109K个查询，其中每个查询都与一个紧密的时间窗口相关联。We introduce Television Retrieval (TVR), a novel multimodal retrieval dataset. TVR requires systems to comprehend both videos and their associated subtitle (dialogue) texts, making it more realistic in practical scenarios. This dataset contains 109K queries collected over 21.8K videos from 6 television programs across different genres, with each query linked to a tight temporal window.

搜集汇总

背景与挑战

背景概述

TVR是一个大规模多模式视频-字幕检索数据集，旨在促进对视频及其相关字幕文本的理解，适用于现实场景。该数据集包含来自6个电视节目的21.8k视频和109k个查询，每个查询都关联一个紧密的时间窗口，由北卡罗来纳大学教堂山分校于2020年发布，总大小为32.5GB。