Tencent-MVSE

腾讯MVSE是用于多模态视频相似性评估任务的大规模基准数据集。腾讯MVSE的特点包括
总共1,135,705个视频，包括100万视频用于无人监督的预培训63,613视频用于培训，以及63,960视频用于评估。
每个视频的丰富元数据，包括标题、ASR文本、类别和标签。
我们注释67,854视频对用于训练和67,887视频对用于评估。
328类别和64,903标签都是人工注释的。