OpenGVLab/Ask-Anything项目视频数据集规模分析
2025-06-25 03:17:24作者:乔或婵
OpenGVLab/Ask-Anything项目中的VideoChat2是一个重要的视频对话系统,其训练数据来源于多个公开视频数据集。本文将对VideoChat2所使用的各大数据集进行详细分析,帮助研究人员了解其数据规模及组成情况。
主要视频数据集规模
VideoChat2整合了多个高质量的视频数据集,这些数据集在规模和内容上各有特点:
-
Kinetics系列数据集是视频理解领域的重要基准:
- Kinetics 400包含约436GB数据
- Kinetics 600扩展至约727GB
- Kinetics 700进一步增加到约867GB
-
对话相关数据集:
- VideoChatGPT数据集约150GB
- M3IT多模态指令数据集约29.8GB
- VideoChat-Conversation专用视频数据约17.2GB
-
问答与理解类数据集:
- NExTQA视频问答数据集约23GB
- CLEVERER因果推理视频约11.5GB
- TextVR场景文本视频约5.4GB
- TGIF动图理解数据集约11.8MB
-
其他专业数据集:
- YouCook2烹饪视频(经VideoChat2处理)约60GB
- EgoQA第一人称视角视频(经处理)约3.68GB
- WebVid大规模网络视频(非官方版本)约20TB
数据特点分析
从数据规模可以看出,VideoChat2采用了分层的数据策略:
- 基础视频理解:依赖Kinetics系列大规模数据集提供通用视频表征能力
- 专业领域:通过YouCook2等数据集增强特定场景理解
- 对话能力:整合VideoChatGPT等对话专用数据
- 问答推理:包含NExTQA等多类型问答数据
这种多层次的数据架构使得VideoChat2既能处理通用视频理解任务,又能针对特定应用场景进行优化。值得注意的是,项目对部分原始数据进行了预处理和筛选,如EgoQA和YouCook2数据集都提供了经VideoChat2处理的版本,这有助于保证数据质量的一致性。
对于计划使用这些数据集的研究人员,建议根据具体应用场景选择合适的数据子集,平衡计算资源与模型性能需求。大规模数据如WebVid的20TB版本更适合机构级研究,而中小规模数据集则更适合快速实验和原型开发。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8