Jazzcharles/youcook2_internvideo_MM_L14_features_fps8

YouCook2视频特征数据集，由InternVideo_MM_L14提取，用于评估EgoInstructor的视频-文本检索能力。每个文件包含一个时间长度为T、维度为768的特征向量。数据集适用于视频分类和视频检索任务，语言为英语，大小在1亿到10亿之间。The YouCook2 Video Feature Dataset, extracted using InternVideo_MM_L14, is designed to evaluate the video-text retrieval capability of EgoInstructor. Each file contains a feature vector with a temporal duration of T and a dimensionality of 768. This dataset is suitable for video classification and video retrieval tasks, supports English, and has a scale ranging from 100 million to 1 billion.

原始信息汇总

数据集概述

基本信息

• 许可证: Apache-2.0
• 任务类别:
  • 视频分类
  • 视频检索
• 语言: 英语
• 大小类别: 100M<n<1B

数据集详情

• 数据来源: YouCook2视频数据集
• 处理方式: 使用InternVideo_MM_L14模型提取视频特征，帧率为8 fps
• 数据用途: 用于评估EgoInstructor的视频-文本检索能力
• 数据格式: 每个文件（如10dZTHlkb8w.pth.tar）包含一个TxD特征向量，其中T代表视频长度，D为768

使用指南

• 使用方法: 请参考EgoInstructor代码库获取详细使用说明

引用信息

@article{xu2024retrieval, title={Retrieval-augmented egocentric video captioning}, author={Xu, Jilan and Huang, Yifei and Hou, Junlin and Chen, Guo and Zhang, Yuejie and Feng, Rui and Xie, Weidi}, journal={arXiv preprint arXiv:2401.00789}, year={2024} }