omni-research/DREAM-1K

DREAM-1K（具有丰富事件、动作和运动的描述）是一个具有挑战性的视频描述基准。它包含1000个短视频片段（约10秒），这些片段来自五种不同的来源：实景电影、动画电影、库存视频、长YouTube视频和TikTok风格的短视频。每个视频都提供了细粒度的手动注释。

DREAM-1K (Description with Rich Events, Actions, and Motions) is a challenging video description benchmark. It contains a collection of 1,000 short (around 10 seconds) video clips with diverse complexities from five different origins. Each video is provided with fine-grained manual annotation.

搜集汇总

背景与挑战

背景概述

DREAM-1K是一个视频描述基准数据集，包含1,000个约10秒的短视频剪辑，来源多样（如电影、YouTube视频等），并提供了细粒度的人工标注，用于训练和评估视频描述模型。数据集支持多种模态（表格、文本、视频），格式为json，大小适中，许可证为apache-2.0，访问需遵守伦理和版权限制。