InternVid
收藏OpenDataLab2026-05-17 更新2024-05-09 收录
下载链接：
https://opendatalab.org.cn/shepshep/InternVid
下载链接
链接失效反馈官方服务：
资源简介：
InternVid是一个大规模的以视频为中心的多模态数据集，可用于学习强大且可迁移的视频-文本表示，用于多模态理解和生成。
提供机构：
shepshep
创建时间：
2023-10-25
搜集汇总
数据集介绍
背景与挑战
背景概述
InternVid是一个大规模视频-文本多模态数据集，包含超过700万个视频和2.34亿个片段，总时长近76万小时，用于学习视频-文本表示以支持多模态理解和生成。其核心贡献在于开发了一种基于语言模型的可扩展方法，用于构建高质量视频-文本数据，并引入了ViCLIP模型，在零样本动作识别和视频检索中表现领先。当前发布提供了子集InternVid-10M-FLT，包含1000万个视频片段，附带详细描述、美学评分和相关性分数。
以上内容由遇见数据集搜集并总结生成
