YouCook

该数据集是从 88 个开源 YouTube 烹饪视频中准备的。 YouCook 数据集包含人们烹饪各种食谱的视频。视频是从YouTube上下载的，都是第三人称视角；它们代表了比现有的烹饪和厨房数据集更具挑战性的视觉问题（背景厨房/场景对于许多人来说是不同的，并且大多数视频都有动态的相机变化）。此外，还为训练数据（以及许多预先计算的低级特征）提供逐帧对象和动作注释。最后，每个视频都有许多人工提供的自然语言描述（平均而言，每个视频有八种不同的描述）。该数据集的创建是为了作为使用自然语言描述描述复杂现实世界视频的基准。