LAION、AI研究向けに1,000万時間の動画データセットを公開
LAIONが1,000万時間の映像を含む大規模動画データセットをリリースし、ベンチマークでInternVidを上回る。動画からテキストへの変換モデルを中心に、AI研究へ影響を与える。
LAIONは、AI研究のための大規模なオープンビデオデータセットであるBig Video Dataset（BVD）をリリースしました。このデータセットには、8,000万本の動画からの10百万時間の映像が含まれています。このデータセットは、CommonCrawlで見つかった13億のビデオURLから作成され、ほとんどの動画はYouTubeからのもので、英語のものが大半を占めています。チームは、自動生成されたビデオとオーディオの説明が付いた5,500万のクリップと、3億枚の静止画を抽出しました。BVDで訓練されたモデルは、InternVidで訓練された同等のモデルを、一般的なビデオからテキストへのベンチマークで最大2.1パーセントポイント上回ることが示されています。この開発は、特にビデオからテキストへのモデルにおけるAI研究に影響を与え、分野の将来の進歩に影響を与える可能性があります。