videomarathon数据集

【videomarathon数据集 | 视觉问答 | 视频理解】

VideoMarathon是一个大规模长视频指令跟随数据集，总时约9700小时，包含330万个QA问答对，覆盖22个任务类别。

数据集标签信息

• 任务类别数：22
• 任务类型：视觉问答（Visual Question Answering）、视频文本理解（Video Text-to-Text）
• 主题分类：时间性（temporality）、空间性（spatiality）、对象（object）、动作（action）、场景（scene）、事件（event）
• 问答对数量：3,300,000
• 视频总时长：9,700小时
• 许可证：Apache-2.0

数据集概览

• 数据集名称：videomarathon
• 任务类型：视觉问答
• 应用领域：视频语言模型训练、长视频理解
• 数据格式：Parquet
• 语言：英语

适用场景

1. 长视频语言模型训练，支持小时级视频理解
2. 视觉问答系统开发，涵盖多选题和开放问答
3. 视频内容理解研究，包括时间推理和空间推理
4. 视频事件检测与场景分析
5. 多模态大模型训练数据集

数据集亮点

• 超大规模：9700小时视频，330万QA对，是目前最大的长视频指令数据集之一
• 22个任务类别覆盖六大主题，全面评估视频理解能力
• 支持短形式和长形式视频理解，从3分钟到1小时
• 包含多选题(mc)和开放问答(oe)两种问答格式
• 来源多样：Panda-70M等多个视频源域
• 学术开源（Apache-2.0），支持学术研究

获取方式

登录网站后即可免费获取网盘下载地址，一键下载即用。

SEO标签：videomarathon,视频问答数据集,长视频理解,视频语言模型,VQA,视频指令跟随,YOLO数据集,目标检测数据集,数据中国,数聚中国,data2.cn,免费数据集下载