Microsoft Research Multimodal Aligned Recipe Corpus

为了构建MICROSOFT RESEARCH多模态对齐配方语料库，作者首先从网络中提取了大量文本和视频配方。目标是找到同一道菜的多个文本食谱和多个视频食谱之间的联合比对。这项任务是具有挑战性的，因为不同的食谱在他们的指示和使用成分的顺序上有所不同。此外，视频指令可能是嘈杂的，并且文本和视频指令在其描述中包括不同级别的特异性。