CelebV-Text是一个大规模、高质量、多样化的人脸文本-视频数据集，旨在促进人脸文本-视频生成任务的研究。数据集包含70,000个野外人脸视频剪辑，每个视频剪辑都配有20个文本，涵盖40种一般外观、5种详细外观、6种光照条件、37种动作、8种情绪和6种光线方向。CelebV-Text通过全面的统计分析验证了其在视频、文本和文本-视频相关性方面的优越性，并构建了一个基准来标准化人脸文本-视频生成任务的评估。
需求人群： "用于人脸文本-视频生成任务的研究" 使用场景示例： 使用CelebV-Text数据集进行人脸文本-视频生成任务的研究使用CelebV-Text数据集进行人脸文本-视频相关性分析使用CelebV-Text数据集构建人脸文本-视频生成任务的基准 产品特色： 大规模人脸文本-视频数据集70,000个野外人脸视频剪辑每个视频剪辑都配有20个文本涵盖40种一般外观、5种详细外观、6种光照条件、37种动作、8种情绪和6种光线方向全面的统计分析验证数据集的优越性构建了一个基准来标准化人脸文本-视频生成任务的评估
