LAION 释出 10M 小时开源视频数据集，用于多模态预训练

HirokatuKataoka · x · 2026-08-27

LAION 发布 LAION-BVD (Big Video Dataset)，这是一个包含 8000 万个视频、总时长 1000 万小时的大规模开源视频数据集，旨在填补开放多模态研究中视频数据的空白。

该数据集从 CommonCrawl 中提取了 13 亿个平台特定视频 URL，通过大规模分布式管道下载并处理。研究团队利用内容感知场景检测提取片段，并合成了视频和音频字幕。在 ViCLIP、CLAP 和 CLIP 等基准测试中，基于该数据集训练的模型表现出了竞争力和良好的扩展性。此外，从视频中提取的场景帧也被证明可作为图像-文本数据的有效来源。