LAION 发布 BVD 视频数据集：1000 万小时开放视频，供多模态预训练研究使用

Laion Big Video Dataset

LAION 放出了一个叫 BVD 的大规模视频数据集，专门给多模态模型做预训练用。数据来自 CommonCrawl 抓到的 13 亿条视频链接，实际下载了 8000 万个视频，总时长 1000 万小时。处理时用了场景检测把视频切成片段，再给画面和声音分别生成合成字幕。用这批数据训出来的 ViCLIP 模型，在视频文本基准上比用 InternVid 训的...

推荐理由：LAION 这次扔出来的 BVD 数据集，简单说就是从 CommonCrawl 抓了 13 亿条视频链接，实际下载到 8000 万个视频，总时长 1000 万小时。处理时做了场景检测切片段，还给画面和声音分别生成合成字幕。用这批数据训出来的 ViCLIP 模型，在视频文本基准上比用 InternVid 训的强。H 和 K 都到位了——规模本身就勾人，具体数字和对比结果也够硬。R 没给是因为 LAION 不是模型厂商，身份冲击力弱一些，搞基础设施的人会更关心。分数定在 72，主要就是 R 这块拉低了上限。