AVSD (Audio-Visual Scene-Aware Dialog)

视听场景感知对话 (AVSD) 数据集，或DSTC7轨道3，是用于对话理解的视听数据集。数据集和轨道的目标是设计系统，以在给定视频的对话历史和视听内容的情况下，在有关视频的对话框中生成响应。

The Audio-Visual Scene-Aware Dialogue (AVSD) dataset, also known as Track 3 of DSTC7, is an audio-visual dataset dedicated to dialogue understanding. The core goal of this dataset and its corresponding track is to develop systems that can generate valid responses for video-related dialogue turns, given the dialogue history of the target video and its accompanying audio-visual content.

搜集汇总

背景与挑战

背景概述

AVSD（Audio-Visual Scene-Aware Dialog）数据集，也称为DSTC7轨道3，是一个用于对话理解的视听数据集。该数据集旨在支持系统设计，以基于视频的对话历史和视听内容生成相关响应，发布于2019年，由三菱电机研究实验室和佐治亚理工学院等机构贡献。