Датасет · Lruca
Крупный датасет видеоинструкций для мультимодальных задач
Lruca/VidUEU100k
100 тысяч размеченных видеопримеров для SFT мультимодальных моделей пониманию и редактированию видео.
Что внутри
Это масштабный набор данных для настройки мультимодальных моделей по инструкциям (instruction-tuning), содержащий видео и синтезированные текстовые задания. Корпус собран автоматически с помощью специального ИИ-агента VidUEU-Agent, который преобразует сырые видео в метаданные и генерирует по ним инструкции. Данные представлены к одноимённой научной статье (arXiv:2611.04418).
Что можно сделать
- Instruction-tuning (SFT) мультимодальных видеомоделей (Video-LLM)
- Обучение моделей редактированию видео по текстовым запросам
- Тестирование систем на универсальных задачах понимания видеоряда
- Скачиваний за месяц
- 406
- Лайков
- 5
Как загрузить
from datasets import load_dataset
ds = load_dataset("Lruca/VidUEU100k")