MSR-VTT

displayName: MSR-VTT
license:
- Unknown
mediaTypes:
- Text
paperUrl: http://openaccess.thecvf.com/content_cvpr_2016/papers/Xu_MSR-VTT_A_Large_CVPR_2016_paper.pdf
publishDate: 2016-06
publishUrl: https://www.microsoft.com/en-us/research/publication/msr-vtt-a-large-video-description-dataset-for-bridging-video-and-language/
publisher:
- Microsoft Research
tags:
- Video
taskTypes:
- Visual Question Answering
- Video Retrieval
- Video Question Answering

---
# 数据集介绍
## 简介
MSR-VTT（Microsoft Research Video to Text）是一个用于开放域视频字幕的大规模数据集，由 20 个类别的 10,000 个视频片段组成，每个视频片段由 Amazon Mechanical Turks 用 20 个英文句子进行注释。所有字幕中大约有 29,000 个独特的单词。标准拆分使用 6,513 个剪辑用于训练，497 个剪辑用于验证，2,990 个剪辑用于测试。
## 引文
```
@inproceedings{xu2016msr,
title={Msr-vtt: A large video description dataset for bridging video and language},
author={Xu, Jun and Mei, Tao and Yao, Ting and Rui, Yong},
booktitle={Proceedings of the IEEE conference on computer vision and pattern recognition},
pages={5288--5296},
year={2016}
}
```

## Download dataset
:modelscope-code[]{type="git"}

displayName: MSR-VTT
license:
- 未知
mediaTypes:
- 文本
paperUrl: http://openaccess.thecvf.com/content_cvpr_2016/papers/Xu_MSR-VTT_A_Large_CVPR_2016_paper.pdf
publishDate: 2016年6月
publishUrl: https://www.microsoft.com/en-us/research/publication/msr-vtt-a-large-video-description-dataset-for-bridging-video-and-language/
publisher:
- 微软研究院（Microsoft Research）
tags:
- 视频（Video）
taskTypes:
- 视觉问答（Visual Question Answering）
- 视频检索（Video Retrieval）
- 视频问答（Video Question Answering）

---
# 数据集介绍
## 简介
MSR-VTT（全称Microsoft Research Video to Text，微软研究院视频转文本）是一款面向开放域视频字幕生成的大规模数据集，共包含20个类别下的10000个视频片段，每个片段均由亚马逊（Amazon）机械Turk（Mechanical Turk）平台的标注人员使用20条英文语句进行标注。全部标注语句共包含约29000个独特词汇。该数据集采用标准划分方案：6513个片段用于训练集，497个片段用于验证集，2990个片段用于测试集。
## 引文

@inproceedings{xu2016msr,
title={Msr-vtt: A large video description dataset for bridging video and language},
author={Xu, Jun and Mei, Tao and Yao, Ting and Rui, Yong},
booktitle={Proceedings of the IEEE conference on computer vision and pattern recognition},
pages={5288--5296},
year={2016}
}

## 数据集下载
:modelscope-code[]{type="git"}

搜集汇总

背景与挑战

背景概述

MSR-VTT是一个大规模开放领域视频字幕数据集，包含10,000个视频片段，涵盖20个类别，每个片段配有20句英文标注，总计约29,000个独特词汇。数据集的标准划分包括6,513个训练片段、497个验证片段和2,990个测试片段。