Youku_Dense_Caption

# Youku Dense Caption Dataset 🎥

<div align="center">


</div>

## 📊 Dataset Overview

A comprehensive collection of Chinese video captions from Youku (优酷), featuring:

- **📹 Videos**: 31,466 complete short videos
- **✍️ Captions**: 311,921 Chinese captions
- **🈺 Language**: Chinese
- **📱 Source**: Youku Platform (优酷)

## 🚀 Usage

The dataset is available for download from [ModelScope](https://modelscope.cn/datasets/os_ai/Youku_Dense_Caption/).

### 1. Dataset Download ⬇️
```bash
# Install Git LFS
git lfs install

# Clone the dataset
git lfs clone https://oauth2:[e-mail]/datasets/os_ai/Youku_Dense_Caption.git
```
> 🔑 **Get Token**: Visit https://modelscope.cn/my/myaccesstoken

### 2. Dataset Structure 📁

#### 📌 benchmark_files/
Specialized benchmark data collections:
- 🎯 Video caption generation task data
- 📍 Video moment retrieval task data

#### 📌 meta_files/
Core dataset metadata:
- 📝 Video category information
- 🔗 Video file paths
- 💬 Complete caption text

#### 📌 data_files/
Main data storage, organized by categories:
```
data_files/
├── Agriculture/
│ ├── train/ (zipped)
│ ├── val/ (zipped)
│ └── test/ (ready for preview)
├── Children/
└── ...
```

### 3. Usage Guide 📖

1. **After Download**:
- Navigate to target category folder
- Example: `cd data_files/Agriculture`

2. **Data Preparation**:
- Unzip files in train/ and val/ directories
- Files in test/ directory are ready to use

> ⚠️ **Important Notes**:
> - train and val data are stored in compressed format, requiring extraction
> - test data is directly accessible for preview and testing

---
💡 For questions, please refer to project documentation or submit an Issue

## 📚 Citation

If you use this dataset in your research, please cite:

```bibtex
@inproceedings{xiong2025youku,
title={Youku Dense Caption: A Large-scale Chinese Video Dense Caption Dataset and Benchmarks},
author={Zixuan Xiong, Guangwei Xu, Wenkai Zhang, Yuan Miao, Xuan Wu, LinHai, Ruijie Guo, Hai-Tao Zheng},
booktitle={The Thirteenth International Conference on Learning Representations},
year={2025},
url={https://openreview.net/forum?id=vvi5OjPhbu}
}
```

## 📄 License

This dataset is released under the [CC BY-NC-SA 4.0](https://creativecommons.org/licenses/by-nc-sa/4.0/) license.

---
<div align="center">
⭐ Star us on GitHub if you find this dataset useful! ⭐
</div>

# 优酷密集字幕数据集（Youku Dense Caption Dataset） 🎥

<div align="center">


</div>

## 📊 数据集概览

本数据集为来自优酷（Youku）的中文视频字幕综合合集，包含以下内容：
- **📹 视频**：31466条完整短视频
- **✍️ 字幕**：311921条中文字幕
- **🈺 语言**：中文
- **📱 来源**：优酷平台

## 🚀 使用方式

本数据集可从魔搭社区（ModelScope）下载，地址为：[ModelScope](https://modelscope.cn/datasets/os_ai/Youku_Dense_Caption/)。

### 1. 数据集下载 ⬇️
bash
# 安装Git LFS
git lfs install

# 克隆数据集
git lfs clone https://oauth2:[e-mail]/datasets/os_ai/Youku_Dense_Caption.git

> 🔑 **获取访问令牌**：访问 https://modelscope.cn/my/myaccesstoken

### 2. 数据集结构 📁

#### 📌 benchmark_files/
专业化基准数据集集合：
- 🎯 视频字幕生成任务数据集
- 📍 视频时序检索任务数据集

#### 📌 meta_files/
核心数据集元数据：
- 📝 视频分类信息
- 🔗 视频文件路径
- 💬 完整字幕文本

#### 📌 data_files/
主数据存储目录，按类别组织：

data_files/
├── Agriculture/
│ ├── train/ (已压缩)
│ ├── val/ (已压缩)
│ └── test/ (可直接预览)
├── Children/
└── ...

### 3. 使用指南 📖

1. **下载完成后**：
- 进入目标分类文件夹
- 示例命令：`cd data_files/Agriculture`

2. **数据准备**：
- 解压train/与val/目录下的压缩文件
- test/目录下的文件可直接使用

> ⚠️ **重要提示**：
> - train与val数据以压缩格式存储，需解压后方可使用
> - test数据可直接用于预览与测试

---
💡 如需咨询，请参阅项目文档或提交Issue

## 📚 引用格式

如果您在研究中使用本数据集，请引用以下文献：

bibtex
@inproceedings{xiong2025youku,
title={优酷密集字幕：大规模中文视频密集字幕数据集与基准测试集},
author={Zixuan Xiong, Guangwei Xu, Wenkai Zhang, Yuan Miao, Xuan Wu, LinHai, Ruijie Guo, Hai-Tao Zheng},
booktitle={第十三届国际学习表征会议},
year={2025},
url={https://openreview.net/forum?id=vvi5OjPhbu}
}

## 📄 许可证

本数据集采用[CC BY-NC-SA 4.0](https://creativecommons.org/licenses/by-nc-sa/4.0/)许可协议发布。

---
<div align="center">
⭐ 如果您认为本数据集对您有帮助，请在GitHub上为我们点亮Star！ ⭐
</div>

搜集汇总

背景与挑战

背景概述

Youku Dense Caption是一个大规模中文视频密集描述数据集，包含31,466个优酷短视频和311,921条中文描述，主要用于视频描述生成和时刻检索任务。数据集按类别组织，采用CC BY-NC-SA 4.0许可证。