跳到正文

CelebV-Text

面向人脸文本到视频生成研究的数据集

访问官网

CelebV-Text 是什么

CelebV-Text 被介绍为一个大规模、多样化的人脸视频剪辑与文本配对数据集,用于促进人脸文本-视频生成任务的研究。

你可以用它做什么

  • 开展人脸文本-视频生成研究
  • 分析文本与视频的相关性
  • 构建该生成任务的评估基准

数据集说明

  • 收录 70,000 个野外人脸视频剪辑
  • 每个剪辑配有 20 个文本
  • 标注涵盖外观、光照、动作、情绪与光线方向

优点与缺点

✓ 我们认可的地方

  • 对视频、文本及二者相关性做了全面统计分析
  • 外观、光照、动作与情绪标注多样

! 需要留意的地方

  • 资料围绕数据集的科研用途展开
  • 评估围绕所构建的基准进行

常见问题

数据集有多大?

资料说明包含 70,000 个剪辑,每个配 20 个文本。

除剪辑外还有什么?

资料列出全面的统计分析和一个标准化评估基准。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法