ViTT (Video Timeline Tags)

ViTT 数据集由人工制作的 8,169 个视频的片段级注释组成。其中，5840 个视频被注释一次，其余视频被注释两次或更多。共发布了 12461 组注解。数据集中的视频来自 Youtube-8M 数据集。
注释具有以下格式：
{
"id": "FmTp",
“注释”：[
{
“时间戳”：260，
“标签”：“开幕”
},
{
“时间戳”：16000，
"tag": "展示技巧"
},
{
“时间戳”：23990，
"tag": "显示脚部定位"
},
{
“时间戳”：55530，
"tag": "演示跨界"
},
{
“时间戳”：114100，
“标签”：“关闭”
}
]
}