MBZUAI/VideoInstruct-100K

VideoInstruct100K是一个高质量的视频对话数据集，通过人工辅助和半自动注释技术生成。数据集中的问答内容涉及视频摘要、基于描述的问题回答（探索空间、时间、关系和推理概念）以及创意/生成性问题回答。

VideoInstruct100K is a high-quality video dialogue dataset generated through human-assisted and semi-automatic annotation techniques. The Q&A content in the dataset covers video summarization, description-based question answering (exploring spatial, temporal, relational and reasoning concepts), as well as creative/generative question answering.

原始信息汇总

VideoInstruct100K 数据集概述

数据集描述

VideoInstruct100K 是一个高质量的视频对话数据集，采用人工辅助和半自动注释技术生成。数据集中的问答内容涉及以下几个方面：

• 视频摘要
• 基于描述的问答（探索空间、时间、关系和推理概念）
• 创意/生成性问答

引用信息

如果您发现此数据集有用，请考虑引用以下论文： bibtex @article{Maaz2023VideoChatGPT, title={Video-ChatGPT: Towards Detailed Video Understanding via Large Vision and Language Models}, author={Muhammad Maaz, Hanoona Rasheed, Salman Khan and Fahad Khan}, journal={ArXiv 2306.05424}, year={2023} }

搜集汇总

背景与挑战

背景概述

MBZUAI/VideoInstruct-100K是一个包含10万条高质量视频对话数据的数据集，主要用于视频摘要、描述性问答和创意问答任务。数据集通过人工辅助和半自动标注技术生成，适用于训练和微调大型视觉和语言模型。