我们创建了一个名为双语、开放世界视频文本 (BOVText) 的新大规模基准数据集，这是在各种场景中用于视频文本定位的第一个大规模和多语言基准。所有数据均来自快手和YouTube BOVText主要有三个特点：大规模：我们提供超过 1,750,000 帧图像的 2,000 多个视频，比现有最大的视频文本数据集大四倍。开放场景：BOVText涵盖30+开放类别，场景丰富，如生活vlog、体育新闻

OpenDataLab2026-07-12 更新1310

PatternNet

遥感图像检索

遥感地物分类

PatternNet是收集用于遥感图像检索的大规模高分辨率遥感数据集。有38个类，每个类有800幅大小为256 × 256像素的图像。PatternNet中的图像是从Google Earth imagery或通过Google Map API收集的，用于某些美国城市。下表显示了类和相应的空间分辨率。该图显示了来自每个类的一些示例图像。

OpenXLab110

MovieShots

视频分析

电影制作

MovieShots是一个数据集，用于促进视频中的镜头类型分析。这是一个大规模的镜头类型注释集，包含来自7,858部电影的46k镜头，涵盖了广泛的各种电影类型，以确保包含所有比例和动作类型的镜头。每个镜头都有两个属性，镜头比例和镜头移动。射击比例分为五个类别: 1) 远距离拍摄 (LS)，有时远至四分之一英里; 2) 完整拍摄 (FS) 几乎不包括人体；3) 中镜头 (MS) 包含从膝盖或腰部

OpenDataLab2026-07-12 更新1490

EarVN1.0

耳朵识别

生物特征认证

EarVN1.0数据集是一个大规模的耳朵图像数据集，由164人的28,412多个耳朵图像组成。图像涵盖了姿势，比例，照明，遮挡，分辨率，光线条件的大变化。

OpenXLab130