SenTube

B2FIND2026-04-25 收录

多模态情感

视频理解

数据链接：

https://b2find.eudat.eu/dataset/3c51d9a3-3beb-5e8e-b970-3b8fc14d368d 数据链接链接失效反馈

官方服务：

资源简介：

Sentiment analysis of Youtube videos with joint models of text and speech

基于文本与语音联合模型的YouTube视频情感分析

CinePile

视频理解

模型评估

CinePile是一个专为长视频理解设计的数据集，由马里兰大学帕克分校和魏茨曼科学研究所创建。该数据集包含305,000个多选题（MCQs），覆盖视觉和多模态方面，包括时间理解、人-物交互理解及场景内事件或动作的推理。数据集的创建过程结合了先进的LLMs和人工干预，利用现有的音频描述数据，并与YouTube上的公开电影视频片段对齐。CinePile的应用领域主要集中在视频理解，旨在解决现有数据集在

arXiv2024-05-15 更新920

VideoITG-40K

视频理解

视频问答

VideoITG-40K是一个大规模的视频理解数据集，由香港理工大学、南京大学、英伟达和哈佛大学的研究人员构建。该数据集包含40,000个视频和500,000个指令引导的时间定位标注，旨在解决长视频理解中的复杂场景问题。VideoITG通过指令引导的帧采样，能够有效处理多时态线索，并针对不同任务需求定制帧选择策略。VidThinker是一个自动化数据标注流程，通过指令引导的剪辑字幕、检索和帧定位，

arXiv2025-07-18 更新680

Short Film Dataset (SFD)

短剧研究

视频理解

Short Film Dataset (SFD) 是由国立高等先进工业科学研究所创建的一个包含1,078部公开可访问的业余电影的数据集，总时长超过243小时，平均每部电影时长13分钟。SFD涵盖多种电影类型，如剧情、科幻、恐怖等，每部电影都附有简短的剧情概要（logline）和详细描述，确保数据集内容丰富且无数据泄露问题。数据集创建过程中，利用GPT-4自动生成问题-答案对，并经过人工审核确保质量

arXiv2024-06-15 更新210

RealisDance-Val

视频理解

模型评估

RealisDance-Val数据集是由阿里巴巴集团DAMO学院等机构收集的，包含100个视频及其相应条件。该数据集涵盖了各种角色、场景、罕见姿势、光照条件和角色与物体的交互等多样化且具有挑战性的场景，专门设计用于评估生成模型在开放场景中的性能。

arXiv2025-04-21 更新810

MuSe-Topic: Multimodal Emotion-Target Sub-challenge (MuSe2020)

多模态情感

特定领域主题预测

[Post-challenge] MuSe-Topic of MuSe2020: Predicting 10-class domain-specific topics as the target of 3-class (low, medium, high) emotions of valence and arousal. This package includes only MuSe-Topic

Mendeley Data2024-03-27 更新230

SenTube

资源简介：

相关数据集