Датасет · AudioVisual-Caption
Аудиовизуальные инструкции для видео
AudioVisual-Caption/ASID-1M
ASID-1M: крупный англоязычный набор инструкций для понимания видео с управляемым описанием.
Что внутри
ASID-1M — крупный набор аудиовизуальных инструкций на английском для универсального понимания видео. Он даёт мелкозернистый и управляемый супервизор: сложный аудиовизуальный контент описывается не одним общим caption. Модальность в метаданных — text, задача — image-text-to-text; размер — от 100K до 1M примеров.
Что можно сделать
- Обучение видео-языковых моделей
- LoRA для управляемых описаний видео
- Оценка полноты аудиовизуальных caption
- Задачи
- Картинка + текст
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 1,1 тыс.
- Лайков
- 85
Как загрузить
from datasets import load_dataset
ds = load_dataset("AudioVisual-Caption/ASID-1M")