3MASSIV

我们介绍了3MASSIV，这是一个从短视频社交媒体平台Moj中提取的多种短视频的多语言，多模式和多方面，专业注释的数据集。3MASSIV包含11种不同语言的50k短视频 (平均持续时间为20秒) 和100k未标记视频，并捕捉流行的短视频趋势，如恶作剧、失败、浪漫、喜剧，通过独特的视听格式表达，如自拍视频、反应视频、口型同步，自唱歌曲等。3MASSIV通过对概念，情感状态，媒体类型和音频语言进行注释，为这些独特视频提供了多模式和多语言语义理解的机会。我们对3MASSIV进行了全面分析，并强调了与具有强大基线的其他当代流行数据集相比，我们数据集的多样性和独特方面。我们还展示了3MASSIV中的社交媒体内容本质上是动态和时间的，可用于语义理解任务和跨语言分析。