LAION 发布拥有 1000 万小时视频的开放数据集 BVD

LAION 发布了 Big Video Dataset（BVD），这是目前规模最大的开放视频数据集之一，专为 AI 研究而建。该数据集来源于 CommonCrawl 中收集的 13 亿个视频 URL。研究团队下载了其中 8000 万个视频，总时长达 1000 万小时，并提取出 5500 万个视频片段，同时生成了自动视频描述和音频描述，以及 3 亿张静态图像。

根据这篇论文，使用 BVD 训练的模型在常见的视频转文本基准测试中，表现比使用 InternVid 训练的同类模型最高高出 2.1 个百分点。训练过程将视频、音频和文本关联起来，让模型学习哪些视觉内容与哪些描述或声音相匹配。

LAION 发布该数据集仅供研究使用。从法律角度看，该组织或许可以援引汉堡地区法院 2024 年的一项裁决，该裁决允许其为非商业研究收集受版权保护的内容。LAION 要求用户尊重原始内容创作者的权利。数据集和代码均可免费获取。AdAd