TutorialVQA

TutorialVQA 是一种新型数据集，用于在教程视频中查找答案范围。该数据集包括大约 6,000 个三元组，由视频、问题和答案跨度组成，这些视频、问题和答案范围是从截屏视频教程视频中手动收集的，并带有用于照片编辑软件的口语叙述。

TutorialVQA is a novel dataset designed for identifying answer spans within tutorial videos. This dataset comprises approximately 6,000 triplets composed of videos, questions, and answer spans, which are manually collected from screencast tutorial videos with spoken narrations for photo editing software.

搜集汇总

背景与挑战

背景概述

TutorialVQA是一个专为教程视频设计的视觉问答数据集，包含约6,000组由视频、问题及对应答案跨度组成的三元组，数据来源于手动收集的截屏视频教程。该数据集由Adobe Research和佛罗里达大学于2021年发布，适用于自然语言处理和视频问答任务，采用CC BY-NC 4.0许可证。