搜索

Datasets

Ego4D

Ego4D Consortium · Multimodal

大规模第一人称视频数据集，覆盖日常活动理解与具身感知。

Datasets

MSR-VTT

Microsoft Research · Multimodal

面向视频描述与检索的经典视频文本数据集。

Datasets

WebVid

University of Oxford / others · Multimodal

大规模视频-文本配对数据集，用于视频语言预训练。