AVSD 视听场景感知对话数据集

AVSD 全称 The Audio Visual Scene-Aware Dialog（或 DSTC7 Track 3）是一个用于理解对话的视听数据集。数据集旨在建立系统并对输入视频的对话框产生相应。

AVSD, short for The Audio Visual Scene-Aware Dialog (also known as DSTC7 Track 3), is an audio-visual dataset for dialogue understanding. This dataset is designed to develop systems that generate appropriate responses to dialogues grounded in input videos.

搜集汇总

背景与挑战

背景概述

AVSD 视听场景感知对话数据集（全称 The Audio Visual Scene-Aware Dialog，或 DSTC7 Track 3）是一个用于理解对话的视听数据集，旨在建立系统并对输入视频的对话框产生相应。该数据集由社区用户贡献，仅用于教育和信息目的。