OpenGVLab/Ask-Anything项目视频数据集规模分析
2025-06-25 16:14:17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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
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~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0299- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
260

🎉 (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
854
505

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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
254
295

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

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
331
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
21
5