iQIYI-VID 多模态视频人物数据集

iQIYI-VID 是一个多模态视频人物数据集。该数据集包含 5,000 位明星艺人，以及长达 1,000 小时的 50 万条视频片段，每条视频长 1~30 秒。视频片段来自爱奇艺综艺、电影、电视剧。每个视频片段都经过人工标注，错误率低于 0.2％。研究人员在 iQIYI-VID 数据集上评估了人脸识别、人员重新识别和说话人识别的最新模型。

iQIYI-VID is a multimodal video person dataset. It contains 5,000 celebrities, as well as 500,000 video clips totaling 1,000 hours, with each clip lasting 1 to 30 seconds. All video clips are sourced from iQIYI variety shows, films and TV dramas. Each video clip has been manually annotated, with an annotation error rate of less than 0.2%. Researchers have evaluated state-of-the-art models for face recognition, person re-identification and speaker recognition on the iQIYI-VID dataset.

搜集汇总

背景与挑战

背景概述

iQIYI-VID 是一个多模态视频人物数据集，包含5,000位明星艺人的50万条视频片段，总时长1,000小时，视频来自爱奇艺的综艺、电影和电视剧。每个片段都经过人工标注，错误率低于0.2%，适用于评估人脸识别、人员重新识别和说话人识别等模型。