How 2R 视频检索数据集

How 2R 是一个关于基于文本的视频检索数据集。数据集包含从 HowTo 100M 数据集的 9,371 个视频中收集了 24,328 个 60s 片段及其 51,390 个相关查询词，平均每个片段有 2-3 个相关查询词。其中 80% 的数据用于训练，10% 的数据用于验证，10% 的数据用于测试。

How2R is a text-based video retrieval dataset. It consists of 24,328 60-second video clips and 51,390 associated query terms collected from 9,371 videos sourced from the HowTo 100M dataset, with an average of 2 to 3 relevant queries per clip. Specifically, 80% of the dataset is allocated for training, 10% for validation, and the remaining 10% for testing.

搜集汇总

背景与挑战

背景概述

How 2R 视频检索数据集基于HowTo 100M数据集的9,371个视频，包含24,328个60秒片段及其51,390个查询词，每个片段平均有2-3个查询词。该数据集划分为训练、验证和测试集，作为视频检索和问答领域的挑战性基准。