TVQA 视频问答数据集

TVQA 数据集是一个大规模的视频问答数据集，视频来源于 6 部经典美剧。该数据集包含约 152.5K 个问答对，这些问答对来自 21.8K 个时长为 60-90 秒的视频片段，总长度超过 460 个小时。这些问答对以 8:1:1 的比例用于训练、验证和测试集。

The TVQA dataset is a large-scale video question answering (QA) dataset, with videos sourced from 6 classic American TV series. It contains approximately 152.5K question-answer pairs derived from 21.8K video clips each with a duration of 60 to 90 seconds, and the total cumulative runtime exceeds 460 hours. The question-answer pairs are split into training, validation and test sets at a ratio of 8:1:1.

搜集汇总

背景与挑战

背景概述

TVQA视频问答数据集基于6部经典美剧构建，包含约152.5K个问答对，覆盖超过460小时的视频内容。该数据集采用组合式设计，每个问题均带有时序定位，旨在评估模型在时序定位、对话理解和视频分析方面的多模态能力。