使用场景

研究人员使用MiraData训练视频内容理解模型。

开发者利用MiraData进行视频生成算法的测试和优化。

教育机构使用MiraData作为教学资源，教授视频处理和字幕生成技术。

产品特色

长视频时长：平均72秒的视频片段，全面建模视频内容。

结构化字幕：提供不同视角的详细描述，平均318字。

数据集版本：发布四个版本的数据集，包含不同数量的数据。

视频收集与注释：从YouTube等平台手动选择频道，下载并分割视频。

字幕生成：使用GPT-4V生成多维度字幕，提高语义理解的准确性。

评估基准：设计17个评估指标，从六个角度评估长视频生成。

许可协议：数据集仅供信息目的使用，版权归原始视频所有者所有。

使用教程

1. 从Google Drive或HuggingFace Dataset下载MiraData的元数据文件。

2. 使用提供的脚本下载视频样本。

3. 根据需要对视频样本进行分割和处理。

4. 使用GPT-4V等工具生成视频字幕。

5. 利用MiraBench评估生成的视频质量。

6. 遵循许可协议，合理使用数据集进行研究或开发。