VGG-Sound

kaggle2021-01-10 更新2024-03-08 收录

音视频对应

多媒体分析

数据链接：

https://www.kaggle.com/datasets/codebreaker619/vggsound 数据链接链接失效反馈

官方服务：

资源简介：

Audio-Visual Correspondent Dataset

音视觉对应数据集（Audio-Visual Correspondent Dataset）

创建时间：

2021-01-10

hexuan21/test2

多媒体分析

音视频文本对齐

该数据集包含两个配置（default和real），每个配置包含多个特征，如id、images、text prompt、video link等。数据集主要用于测试，包含80个示例，每个示例都有关于视觉质量、时间一致性、动态程度、文本到视频对齐、事实一致性等方面的评分。此外，每个示例还包含对话信息，记录了对话的来源和内容。

Hugging Face2024-06-22 更新300

AvaMerg_Baseline

多模态学习

多媒体分析

数据集文件元信息以及数据文件，请浏览“数据集文件”页面获取。当前数据集卡片使用的是默认模版，数据集的贡献者未提供更加详细的数据集介绍，但是您可以通过如下GIT Clone命令，或者ModelScope SDK来下载数据集 #### 下载方法 :modelscope-code[]{type="sdk"} :modelscope-code[]{type="git"} # 数据集处理与使用指南

魔搭社区2025-06-30 更新210

MDED-68

多域事件检测

多媒体分析

这是一个用于多域事件检测任务的数据集，即MDED-68数据集。该数据集包含23,874张Flickr图像，10,678篇来自数百个在线新闻媒体的新闻文章，以及1,337个YouTube视频。

github2021-08-19 更新190

MRSAudio

音频处理

多媒体分析

MRSAudio是一个大规模的多模态录音空间音频数据集，包含同步的双耳和全景声音频、外向和主观视频、运动轨迹以及详细的语义注释。这个数据集分为四个子集，分别是MRSLife、MRSSpeech、MRSSing和MRSMusic，它们分别针对日常活动、演讲、歌唱和音乐等不同场景，支持空间音频的检测、定位、生成等研究。

Hugging Face2025-05-16 更新300

NilanE/wfvae-192_17-L16-S10000

视频处理

多媒体分析

一个从TencentARC/MiraData中采样得到的小型测试数据集，用于https://github.com/NilanEkanayake/TiTok-Video项目。

Hugging Face2024-12-13 更新200