MovieNet 电影理解数据集

MovieNet 是一个用于电影理解的数据集，包含 1100 部电影，其中具有大量多模态数据，例如预告片、照片、情节描述等。此外，MovieNet 中提供了不同方面的手动标注，包括 110w 个带有 bounding box 和身份标注的角色，4.2w 场景边界， 2,500 对齐的描述语句，6.5w 地点和动作标签，以及 9.2w 电影风格标签。

MovieNet is a dataset for movie understanding, consisting of 1100 films with a large volume of multimodal data such as trailers, film stills, plot descriptions, and more. Additionally, MovieNet offers manually annotated data across diverse aspects: 1.1 million characters with bounding boxes and identity annotations, 42,000 scene boundaries, 2,500 aligned descriptive sentences, 65,000 location and action tags, and 92,000 movie style tags.

搜集汇总

背景与挑战

背景概述

MovieNet是一个用于电影理解的大规模多模态数据集，包含1100部电影，提供丰富的多模态数据如预告片和照片。数据集的关键特点在于其大量手动标注，涵盖角色、场景、描述、地点动作和风格等多个方面，总计超过110万个标注，适用于视频理解和音频分类等研究任务。