MS-IMPROV

kaggle2025-01-31 更新2025-03-29 收录

多媒体处理

音频-视觉融合

数据链接：

https://www.kaggle.com/datasets/pratyanchasharma01/ms-improv 数据链接链接失效反馈

官方服务：

资源简介：

Fraction of Audio-Visual Dataset form Original MS-IMPROV Census

源自原始MS-IMPROV普查的音视频数据集（Audio-Visual Dataset）子集

创建时间：

2025-01-31

AVE

音频-视觉事件定位

多媒体处理

该数据集名为AVE，是AudioSet的一个子集，包含4143个长度为10秒的视频，涵盖28个不同的事件类别，如车辆声音、动物活动、乐器表演等。每个视频都提供了视频级别和片段级别的标签，并且具有清晰的时间边界。事件必须在听觉和视觉上都是可辨识的，并且至少持续两秒钟。该数据集包括原始测试集和修正测试集，分别称为O-AVE和C-AVE。整个数据集规模达到4143个视频，其任务是进行音频-视觉事件定位。

arXiv820

AI素材库数据产品

AI素材管理

多媒体处理

输入字段 1project_id类型:string说明:归属项目唯一ID 2uploader_id类型:string说明:上传账号ID，用于权限与审计 3file类型:binary说明:源素材（视频/音频）二进制流或OSS URL 4file_name类型:string说明:原文件名，保留扩展名 5mime_type类型:enum说明:video/mp4,video/quicktime,audio

上海市数据产品知识产权管理平台2025-12-04 更新200

All in one video downloader

视频下载

多媒体处理

All in One Video Downloader API to extract video & audio download links from YouTube, Instagram, TikTok, Facebook, Twitter (X) and many more.

RapidAPI2026-04-17 更新180

Cantonese In-car Audio-Visual Speech Recognition (CI-AVSR)

语音识别

音频-视觉融合

CI-AVSR是由香港科技大学开发的首个粤语车载音频-视觉语音识别数据集，包含200个车载命令，由30名粤语母语者录制，总计4984个样本，时长8.3小时。数据集通过添加10种常见车载背景噪音进行增强，模拟真实环境，扩大了数据集的规模和适用性。该数据集旨在支持粤语及多语言的音频-视觉语音识别任务，通过视觉信息提高语音识别质量，特别是在音频噪音环境下。

arXiv2022-03-14 更新360

DICTA-SIGN corpus

手语识别

多媒体处理

Multimedia corpus (video) for four sign languages (english, french, german and greek) of at least 14 informants per language and a session duration of approx. 2 hours using the same elicitation materi

SSH Open MarketPlace2025-07-04 更新190

MS-IMPROV

资源简介：

相关数据集