gengyuanmax/ICQ-Highlight

ICQ-Highlight是一个用于通过多模态查询（参考图像+精炼文本）定位视频中事件的数据集。该数据集基于QVHighlight的验证集构建，旨在评估模型在给定多模态语义查询（包括描述事件的参考图像和调整图像语义的精炼文本）时定位事件的能力。数据集包含4种不同风格的参考图像和5种类型的精炼文本，以探索模型在不同领域的表现。数据集的创建过程包括使用先进的文本到图像模型生成参考图像，并通过两阶段的质量检查确保图像的质量和语义一致性。