📖 AI 总结

LAION发布了大型开放视频数据集Big Video Dataset（BVD），包含1000万小时的视频内容，专为AI研究设计。该数据集从CommonCrawl中筛选出13亿个视频URL，实际下载了其中8000万个视频，并从中提取了5500万个带自动生成视频和音频描述的片段，以及3亿张静态图像。研究显示，基于BVD训练的模型在视频到文本基准测试中，性能比基于InternVid训练的同类模型最高提升2.1个百分点。该数据集将视频、音频和文本联合训练，使模型能学习视觉内容与描述或声音的匹配关系。LAION仅将数据集用于研究目的，其合法性依据2024年汉堡地区法院的裁决，该裁决允许为非商业研究收集受版权保护的内容。数据集和代码已免费开放，但LAION要求用户尊重原始内容创作者的权益。