Jazzcharles/HowTo100M_llama3_refined_caption

HowTo100M数据集的元数据信息，原始ASR通过LLAMA-3语言模型进行精炼。每个样本代表一个短视频片段，包含视频ID、唯一ID、时间戳、原始ASR转录文本、名词和动词的索引列表，以及经过LLAMA-3模型精炼后的文本。名词和动词的词汇表可以在EgoVLP中找到。

原始信息汇总

数据集概述

基本信息

• 许可证: Apache-2.0
• 任务类别: 视频分类
• 语言: 英语
• 大小类别: 1B<n<10B

数据集内容

• 数据集名称: HowTo100M
• 元数据处理: 原始自动语音识别（ASR）通过LLAMA-3语言模型进行精炼。
• 样本组成:
  • vid: 初始视频ID。
  • uid: 用于索引剪辑的唯一ID。
  • start_second: 叙述的时间戳。
  • end_second: 叙述结束的时间戳（设置为start_second + 1）。
  • text: 原始ASR转录文本。
  • noun: 名词词汇表中的索引列表。
  • verb: 动词词汇表中的索引列表。
  • refined_text: 通过LLAMA-3精炼的文本。

词汇表位置

• 名词和动词词汇表: 可在EgoVLP中找到，链接为EgoVLP。