LAION 发布千万小时视频数据集用于 AI 研究

LAION 发布了大规模开放视频数据集（Big Video Dataset，BVD），这是一个用于 AI 研究的庞大视频数据集，包含 1,000 万小时的视频片段，来自 8,000 万个视频。该数据集由 CommonCrawl 中 13 亿个视频网址创建，大部分视频来自 YouTube，主要为英文内容。团队从中提取了 5,500 万个片段，并自动生成了视频和音频描述，以及 3 亿张静态图像。在常见的视频转文本基准测试中，使用 BVD 训练的模型比使用 InternVid 训练的类似模型高出多达 2.1 个百分点。这一发展影响了 AI 研究，特别是在视频转文本模型方面，并可能影响该领域的未来进展。