LAION выложила открытый датасет из 80 млн видео на 10 млн часов для обучения ИИ

LAION, известная созданием датасета LAION-5B для Stable Diffusion, выпустила Big Video Dataset (BVD). Набор содержит 80 миллионов видео, 10 миллионов часов записи и 55 миллионов автоматически описанных клипов. Это делает BVD одним из крупнейших открытых наборов данных для обучения генеративных ИИ-моделей, работающих с видео.

По заявлению организации, модели, обученные на BVD, превзошли бенчмарк InternVid на величину до 2,1 процентного пункта. С юридической точки зрения LAION может опираться на решение гамбургского суда от 2024 года, разрешающего сбор контента, защищённого авторским правом, для некоммерческих исследовательских целей.

Датасет доступен для скачивания и может быть использован для обучения видео-моделей, таких как Sora, VideoPoet или китайские аналоги. Публикация BVD может существенно ускорить исследования в области генерации и понимания видео.