R2VQ(Recipe-to-Video Questions)

R2VQ 是一个数据集，旨在测试基于能力的机器对多模式食谱集合的理解，其中包含文本-视频对齐的食谱。共标注了 51,331 个烹饪事件，其中包含 19,201 个显式成分、16,338 个隐式成分、12,316 个显式道具和 11,868 个隐式道具。

R2VQ is a dataset that aims to test capability-based machine understanding of multimodal recipe collections, which include text-video aligned recipes. It contains a total of 51,331 annotated cooking events, with 19,201 explicit ingredients, 16,338 implicit ingredients, 12,316 explicit cooking utensils, and 11,868 implicit cooking utensils.

搜集汇总

背景与挑战

背景概述

R2VQ是一个用于评估机器对多模式食谱理解能力的数据集，专注于文本-视频对齐的烹饪内容。它包含51,331个烹饪事件，并标注了大量显式和隐式的成分与道具。