视频文本描述数据集

LAION-5B 数据集：https://laion.ai/blog/laion-5b/
Web-Vid-10M 数据集：https://m-bain.github.io/webvid-dataset/
HD-VILA-100M 数据集：https://github.com/microsoft/XPretrain/tree/main/hd-vila-100m
UCF-101 数据集：https://www.crcv.ucf.edu/data/UCF101
MSR-VTT 数据集：https://www.microsoft.com/en-us/research/publication/msr-vtt-a-large-video-description-dataset-for-bridging-video-and-language/

[相关资讯]

9月29日，Meta 发布了一种可以根据文本提示产生简短、高质量视频片段的 AI 模型 Make-A-Video，此外，该模型还可以从图像或拍摄的现有视频创建类似的新视频。训练该模型所需的数据集皆为公开数据集。训练该模型时，既不需要从头开始学习视觉和多模态表示，也不需要成对的文本视频数据，而且还继承了当今图像生成模型的广泛性。

Make-A-Video 官网：https://makeavideo.studio/
论文地址：https://makeavideo.studio/Make-A-Video.pdf