ハードウェア重要度 ★10
LAION-BVD: マルチモーダル事前学習のための1000万時間オープンビデオデータセット
LAION-BVD: A 10-Million-Hour Open Video Dataset for Multimodal Pre-training
https://export.arxiv.org/api/query·2026/8/25
AI要約
マルチモーダル事前学習のための大規模オープンビデオデータセットLAION-BVDを公開。1000万時間相当のビデオデータから、動画、音声、画像を統合的に学習し、比較可能な性能を達成するモデルの学習を可能にする。
AI要点
- LAION-BVDは、マルチモーダル事前学習のための1000万時間規模のオープンビデオデータセットである。
- CommonCrawlから収集した1.3Bの動画URLから80Mの動画（約1000万時間）をダウンロードして構築された。
- 動画、音声、画像モダリティを横断する事前学習を目的としている。
- シーン検出により抽出されたクリップには、合成された動画・音声キャプションが付与されている。
- 既存のベンチマークで競争力のある性能を示し、画像-テキスト検索性能も向上させた。
なぜ重要か
LAION-BVDは、前例のない規模でマルチモーダル動画データへのオープンアクセスを提供し、動画理解や生成モデルの研究開発を大きく前進させる基盤となる。