Topic-Aware Video and Advertisement Dataset

kaggle2025-09-15 更新2025-10-25 收录

影视内容分析

广告匹配

数据链接：

https://www.kaggle.com/datasets/zara2099/topic-aware-video-and-advertisement-dataset 数据链接链接失效反馈

官方服务：

资源简介：

Multimodal dataset for video content and advertisement matching

用于视频内容与广告匹配的多模态数据集（multimodal dataset）

创建时间：

2025-09-15

eMotions

影视内容分析

情绪识别

eMotions数据集是一个专门为短格式视频中的情绪分析而设计的庞大数据库，包含27,996个带有完整标注的视频。该数据集内容丰富，涵盖了多个维度，总时长近198小时。视频来源包括抖音、快手和TikTok等短视频平台。作为首个针对短视频的情绪分析数据集，eMotions是目前具有完整视频级别标注的最大情绪分析数据集。该数据集的构建过程注重人员分配和标注流程的优化，以确保标注质量并减少主观偏差。数据

arXiv2025-08-09 更新3271

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

SynopGround

影视内容分析

视频编辑

SynopGround数据集由中山大学等机构创建，包含超过2800小时的电视剧视频，每个视频配有精确标注的时间边界和人类编写的剧情摘要。数据集内容丰富，涵盖多种电视剧类型，旨在通过复杂的查询和长视频支持多段视频定位研究。创建过程中，每个摘要段落都经过手动标注，确保了数据的高质量。该数据集主要应用于视频内容的深度理解和复杂场景下的视频编辑，如电影后期制作中的自动整合。

arXiv2024-08-08 更新1380

VCapsBench

视频质量评估

影视内容分析

VCapsBench是一个大规模的细粒度视频字幕评价基准，由北京科技大学、腾讯和清华大学深圳国际研究生院的研究人员创建。该数据集包含5677个视频和109,796个问答对，涵盖了21个细粒度的维度，如相机运动、镜头类型等，对于视频生成至关重要。VCapsBench引入了三个指标（准确率、不一致率、覆盖率）和一个自动化的评估流程，利用大型语言模型（LLM）通过对比问答对分析来验证字幕质量。该数据集和

arXiv2025-05-29 更新1140

Topic-Aware Video and Advertisement Dataset

资源简介：

相关数据集