VideoCon

该数据集名为VideoCon，旨在通过利用大型语言模型生成的对比性字幕来微调视频-文本对齐模型，以提高其鲁棒性。该数据集包含视频片段、原始字幕、对比性字幕以及解释，这些内容被用于训练和评估视频-语言蕴含模型。其所涉及的任务是视频-语言对齐。