遇见数据集

VideoMind

收藏
OpenDataLab2026-08-16 更新2025-12-27 收录
官方服务:

资源简介:

VideoMind是一个大规模的以视频为中心的多模态数据集,可用于学习强大且可迁移的文本-视频表示,用于视频问答、视频检索等视频理解任务。

VideoMind is a large-scale video-centric multimodal dataset designed to learn robust and transferable text-video representations for video understanding tasks such as video question answering and video retrieval.

提供机构:
Dixin
创建时间:
2025-05-21
搜集汇总
数据集介绍
VideoMind 数据集图片
背景与挑战
背景概述
VideoMind是一个全模态视频数据集,包含10.5万个视频样本(其中5千个专用于测试),每个样本均配有音频和从事实到意图的多层次文本描述,总计超过2200万单词。该数据集通过思维链文本生成方式增强深度认知理解,并提供主题、地点等标注,以支持下游识别任务,目前已发布V1版本及测试基准。
以上内容由遇见数据集搜集并总结生成
二维码
社区交流群
二维码
科研交流群
商业服务