jxie/omomo_video

这个数据集包含视频和文本两种类型的数据。它分为训练集和测试集，其中训练集包含3242个示例，大小为414700字节；测试集包含1670个示例，大小为210920字节。整个数据集的下载大小为2519540094字节，解压后的大小为625620字节。

The dataset includes video and text data types. It is divided into training and test sets, with the training set containing 3242 examples and a size of 414700 bytes; the test set contains 1670 examples and is 210920 bytes in size. The total download size of the dataset is 2519540094 bytes, and the size after decompression is 625620 bytes.

搜集汇总

背景与挑战

背景概述

该数据集是一个文本模态的数据集，包含4.91k行数据，总大小为2.52 GB，以parquet格式存储。数据由视频和对应的文本描述组成，文本描述涉及对多种物体（如箱子、椅子、桌子等）进行踢、举、移动、放置等操作动作，涵盖68个类别，适用于文本生成或动作识别等任务。