MAD：基于电影音频描述的视频语言定位大规模数据集

MAD：基于电影音频描述的视频语言定位大规模数据集

MAD MAD: A Scalable Dataset for Language Grounding in Videos from Movie Audio Descriptions 项目地址: https://gitcode.com/gh_mirrors/mad2/MAD

1. 项目基础介绍

MAD（Movie Audio Descriptions）是一个大规模的数据集，旨在为视频中的语言定位任务提供支持。该数据集收集自电影音频描述，包含超过1,200小时连续视频中的384K个句子。这些视频来自650部不同类型的电影，跨越22个电影类型，覆盖了90年的电影历史。项目主要使用Python编程语言开发。

2. 项目核心功能

MAD的核心功能是为研究者提供一个多样化的、具有挑战性的语言定位数据集。它包含了丰富的视觉和语言内容，从虚构故事到日常生活场景，为视频中的动作、地点和场景提供了广泛的覆盖。以下是项目的几个核心功能：

• 提供了一个大规模的、多样化的视频数据集，适用于视频语言定位研究。
• 数据集包含丰富的语言词汇，对准确性和效率有较高要求的长形式定位设置。
• 支持视觉和语言特征的计算，以促进新研究的开展。

3. 项目最近更新的功能

最近更新的功能主要包括：

• MAD-v2版本发布：这个版本通过Whisper减少了MAD-v1中的转录错误和词识别问题，提高了注释的质量。
• 引入了AutoAD基准：AutoAD是MAD数据集上的第一个字幕基准，进一步扩展了数据集的应用范围和研究深度。

以上更新进一步提升了MAD数据集的质量和实用性，为相关领域的研究提供了更有力的支持。

MAD MAD: A Scalable Dataset for Language Grounding in Videos from Movie Audio Descriptions 项目地址: https://gitcode.com/gh_mirrors/mad2/MAD