К содержимому

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")