Video Timeline Tags ViTT:带有时间轴注释的视频集合其中每个视频都分为多个部分并且每个部分都标有简短的自由文本描述 源码

视频时间轴标签(ViTT) 此仓库提供了在( || )中引入的视频时间轴标签(ViTT)数据集。 如果您发现对自己的工作有用的数据或文件,请考虑引用以下内容: @inproceedings{huang2020multimodal, title={Multimodal Pretraining for Dense Video Captioning}, author={Huang, Gabriel and Pang, Bo and Zhu, Zhenhai and Rivera, Clara and Soricut, Radu}, booktitle={AACL-IJCNLP 2020}, year={2020} } 数据集说明 可以通过以下链接下载该数据集的数据文件: ViTT数据集由人工制作的针对8169个视频的片段级注释组成。其中,有5840个视频被注释了一次,其余视