Датасет · HuggingFaceFV
Видео с описаниями и вопросами
HuggingFaceFV/finevideo
Видеокорпус на английском для обучения моделей отвечать на вопросы по видео.
Что внутри
Датасет содержит видеоролики и текстовые данные для задач visual question answering и video-text-to-text. Язык — английский, размер — от 10 тыс. до 100 тыс. примеров. Карточка описывает структуру, загрузку и лицензию CC-BY; источник и способ сбора в доступном фрагменте не раскрыты.
Что можно сделать
- Дообучить video-language модель или LoRA для VQA по видео
- Проверить систему video-text-to-text на английских роликах
- Задачи
- Вопросы по картинкам, Видео + текст
- Языки
- Английский
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 43,2 тыс.
- Лайков
- 391
- Доступ
- по запросу на Hugging Face
Модели, обученные на нём
- HuggingFaceTB/SmolVLM2-500M-Video-InstructКартинка + текст 1,8 млн
- HuggingFaceTB/SmolVLM2-2.2B-InstructКартинка + текст 67,4 тыс.
- HuggingFaceTB/SmolVLM2-256M-Video-InstructКартинка + текст 39,1 тыс.
- OpenGVLab/InternVL2_5-4BКартинка + текст 18,2 тыс.
- OpenGVLab/InternVL2_5-8BКартинка + текст 10 тыс.
- OpenGVLab/InternVL2_5-2BКартинка + текст 8,9 тыс.
- OpenGVLab/InternVL2_5-38BКартинка + текст 7,5 тыс.
- OpenGVLab/InternVL2_5-1BКартинка + текст 7,3 тыс.
Как загрузить
from datasets import load_dataset
ds = load_dataset("HuggingFaceFV/finevideo")