VATEX: A Large-Scale Video-and-Language Dataset

VATEX是一个大规模、高质量的多语言视频与语言研究数据集，由加州大学圣塔芭芭拉分校和字节跳动AI实验室的研究团队开发。该数据集包含超过41,250个视频和825,000个中英文字幕，涵盖600种细粒度人类活动，支持视频描述生成和视频引导机器翻译等任务。数据集在2019年ICCV会议上发布，为多模态人工智能研究提供了重要资源。