VidProM ⼤规模⽂本到视频提⽰数据集

VidProM 数据集是由悉尼科技大学与浙江大学联合研发的首个大规模真实用户文本到视频提示数据集，包含 167 万个独特的文本到视频提示和 669 万个由四种最先进的扩散模型生成的视频。

The VidProM dataset, jointly developed by the University of Technology Sydney and Zhejiang University, is the first large-scale real-world user text-to-video prompt dataset, containing 1.67 million unique text-to-video prompts and 6.69 million videos generated by four state-of-the-art diffusion models.

搜集汇总

背景与挑战

背景概述

VidProM是由悉尼科技大学与浙江大学联合开发的大规模真实用户文本到视频提示数据集，包含167万个独特提示和669万个由四种先进扩散模型生成的视频，并提供了NSFW概率、提示嵌入及相关元数据。该数据集旨在促进文本到视频生成技术的研究，涵盖模型评估、高效生成、假视频检测和版权检测等多个方面。