FineVideo是由Hugging Face推出的一个大型多模态视频数据集，专注于视频理解领域中的复杂任务，如情绪分析、故事叙述和媒体编辑。FineVideo包含超过43,000个YouTube视频，覆盖122个类别，总时长约3,425小时。每个视频有详细的元数据标注，包括场景、角色、剧情反转和视听关联等。FineVideo的独特之处在于捕捉视频的叙事和情感旅程，为AI模型提供丰富的上下文信息，更深入地理解视频内容。

FineVideo – Hugging Face推出的大型多模态视频数据集 第1张
（图片来源网络，侵删）
FineVideo – Hugging Face推出的大型多模态视频数据集 第2张
（图片来源网络，侵删）