2024's Most-Watched YouTube Videos 📈

kaggle2024-02-20 更新2024-03-07 收录

影视内容分析

观众行为研究

数据链接：

https://www.kaggle.com/datasets/kanchana1990/2024s-most-watched-youtube-videos 数据链接链接失效反馈

官方服务：

资源简介：

From Global Sensations to Hidden Gems: Explore What Captivated Viewers

从全球爆款内容到小众宝藏佳作：探寻究竟是什么俘获了观众的青睐

创建时间：

2024-02-20

DeepfakeTIMIT 深度伪造检测数据集

深度伪造

影视内容分析

DeepfakeTIMIT 是由 Idiap 研究所于 2018 年创建的一个用于深度伪造检测的数据集，它包含了使用开源的基于生成对抗网络 (GAN) 的方法交换面孔的视频。这些视频基于原始的自动编码器基础的 Deepfake 算法创建。数据集从公开可用的 VidTIMIT 数据库中手动选择了 16 对人脸相似的个体，为每个个体训练了两种不同质量的模型：低质量 (LQ) 模型输入 / 输出尺寸为

超神经2024-09-14 更新1280

基于视频内容与因果关系的问答数据集

影视内容分析

因果推理

本数据集用于因果视频问答（Causal-VidQA）任务。对于一个视频片段，因果视频问答任务要求模型同时回答四种类型的问题，包括场景描述（描述类问题）、基于事实证据的推理（解释类问题）和基于常识知识的推理（预测类与反事实推理类问题）。数据集的标注一共分为三个部分，首先是针对视频的物体定位于追踪，其次是邀请标注员进行问题与答案的标注，最后是多轮问答的生成。我们选择了最大的视频动作数据集，Kine

国家基础学科公共科学数据中心480

Math Lectures

数学教育

影视内容分析

Subtitles from YouTube videos

kaggle2019-03-21 更新180

WSAG

文本分析

影视内容分析

我们提出了一个新的具有挑战性的接地任务: 弱监督的时间文章接地 (WSAG)。具体来说，给定一篇文章和相关视频，WSAG旨在将所有 “基础” 句子本地化到视频中，这些句子可能处于不同的语义范围。因此，我们收集了第一个WSAG数据集来促进这项任务: YouwikiHow，它借用了wikiHow文章和大量YouTube视频中固有的多尺度描述。此外，我们为WSAG提出了一种简单但有效的DualMIL方法

OpenDataLab2026-07-12 更新1020

Video-Audio CAptions Dataset (VACAD)

音乐生成

影视内容分析

MusiScene数据集由人工智能大学的研究团队创建，旨在探索音乐语言模型在场景想象方面的能力。该数据集包含3371对视频和音频配对，以及相应的视频和音乐描述。研究人员利用现有的MU-LLaMA模型进行微调，以便使其能够回答与场景相关的问题，例如“这段音乐适合哪种视频？”研究团队希望利用生成的场景想象描述来提高视频背景音乐生成的质量。

arXiv2025-07-08 更新400

2024's Most-Watched YouTube Videos 📈

资源简介：

相关数据集