VGG-Sound

kaggle2021-01-10 更新2024-03-08 收录

下载链接：

https://www.kaggle.com/datasets/codebreaker619/vggsound

下载链接

链接失效反馈

官方服务：

资源简介：

Audio-Visual Correspondent Dataset

创建时间：

2021-01-10

VGG-Sound

包含超过 210k 个视频，用于 310 个音频课程。

OpenXLab10

VGG-Sound

VGG-Sound是由牛津大学工程科学系创建的一个大规模音视频数据集，包含超过20万个视频，涵盖309种音频类别。该数据集通过自动化的计算机视觉技术从YouTube视频中提取，确保音频与视频的对应关系，并减少标签噪声。每个10秒的视频片段都包含显示声音来源的视觉帧和相应的音频轨道。VGG-Sound适用于音频识别和音视频预测任务，旨在解决音频内容识别和音视频多模态分析的问题。

arXiv2020-09-25 更新820

VGG-Sound Sync

我们以最近的 VGG-Sound 数据集为基础，并引入了 VGG-Sound Sync，这是一个基于从 YouTube 收集的视频的视听同步基准。 VGG-Sound Sync 包含超过 10 万个视频剪辑，跨越 160 个类别

OpenDataLab2026-07-05 更新350

VGG-Sound

包含超过 210k 个视频，用于 310 个音频课程。

OpenDataLab2026-07-05 更新920

VGG-Sound

该数据集名为VGGSound，是一个大规模的视频数据集，包含了309个类别，涵盖了日常生活中广泛的音频事件。每个视频的时长为10秒，旨在用于进行音频事件分类的任务。

arXiv90