MiraData
大规模长视频数据集，结构化字幕
- 长视频时长：平均72秒的视频片段，全面建模视频内容。
- 结构化字幕：提供不同视角的详细描述，平均318字。
- 数据集版本：发布四个版本的数据集，包含不同数量的数据。
- 视频收集与注释：从YouTube等平台手动选择频道，下载并分割视频。
- 字幕生成：使用GPT-4V生成多维度字幕，提高语义理解的准确性。
- 评估基准：设计17个评估指标，从六个角度评估长视频生成。
- 许可协议：数据集仅供信息目的使用，版权归原始视频所有者所有。
产品详情
MiraData是一个大规模的视频数据集，专注于长视频片段，平均时长72秒，提供结构化字幕，平均字幕长度318字，丰富了视频内容的描述。通过使用GPT-4V等技术，MiraData在视频理解和字幕生成方面展现出高准确性和语义连贯性。
