这是熊猫-70M的官方GitHub仓库。
熊猫-70M:利用多个跨模态教师为7000万个视频添加说明文字 </br> 陈采宣、 阿列克桑德尔·夏罗辛、 威利·梅纳帕切、 叶卡捷琳娜·代涅卡、 赵祥维、 全秉恩、 方宇威、 李欣颖、 任剑、 杨明轩、 谢尔盖·图利亚科夫 </br> 2024年计算机视觉与模式识别会议(CVPR)
熊猫-70M是一个包含7000万个高质量视频-说明文字对的大规模数据集。 本仓库包含三个部分:
分割 | 下载链接 | 源视频数量 | 样本数量 | 视频时长 | 存储空间 |
---|---|---|---|---|---|
训练集(完整) | 链接 (2.01 GB) | 3,779,763 | 70,723,513 | 167,000小时 | 约36 TB |
训练集(1000万) | 链接 (381 MB) | 3,755,240 | 10,473,922 | 37,000小时 | 约8.0 TB |
训练集(200万) | 链接 (86.5 MB) | 800,000 | 2,400,000 | 7,560小时 | 约1.6 TB |
验证集 | 链接 (803 KB) | 2,000 | 6,000 | 18.5小时 | 约4.0 GB |
测试集 | 链接 (803 KB) | 2,000 | 6,000 | 18.5小时 | 约4.0 GB |
更多细节可在数据集数据加载章节中找到。 |
<sup>**如果您需要,我们将从我们的数据集/Github/项目网页/技术演示中移除视频样本。请联系tsaishienchen@gmail.com提出请求。</sup>
更多样本请查看这里。
https://github.com/snap-research/Panda-70M/assets/3857997/8144cf3d-c20c-4c18-a4bd-011451da9f9b
https://github.com/snap-research/Panda-70M/assets/3857997/b262128e-2152-41e8-873e-db2dc275c40f
请查看许可证。 视频样本来自一个公开可用的数据集。 用户必须遵守相关许可证才能使用这些视频样本。
如果您发现本项目对您的研究有用,请引用我们的论文。 :blush:
@article{chen2024panda70m, title = {Panda-70M:利用多个跨模态教师为7000万个视频添加说明文字}, author = {陈才显 and Siarohin, Aliaksandr and Menapace, Willi and Deyneka, Ekaterina and 赵向维 and 全秉恩 and 方宇威 and 李欣颖 and 任健 and 杨明轩 and Tulyakov, Sergey}, journal = {arXiv预印本 arXiv:2402.19479}, year = {2024} }
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号