Senorita

מה זה

המאגר כולל סרטונים והוראות עריכה מונחות טקסט, לפי הכותרת המחקרית שלו שמגדירה אותו כבסיס לעריכת וידאו כללית שנבנה על ידי מומחי וידאו. המבנה מורכב מ־1,520 קבצים, שרובם ארכיוני tar.gz ממוספרים תחת התיקייה controlable_videos_upload. כל קובץ כזה מכיל סרטונים שנועדו לשמש דוגמאות לעריכה מבוקרת.

מעבר לקובצי הארכיון, המאגר כולל תיעוד בסיסי בלבד. הכרטיס עצמו לא מפרט את מקורות הווידאו הגולמי, את שיטות הסינון או את שלבי הניקוי שעברו הנתונים, אלא מפנה למאמר ב־arXiv שיצא בפברואר 2025. החלוקה הפנימית מסתמכת על קובצי הארכיון הרבים שמאגדים את הווידאו, בלי פירוט מוקדם על אורכי הקטעים או הרזולוציה בתוך כרטיס הדאטהסט.

מתאים ל

• אימון מודל עריכת וידאו

  לימוד מודלים לבצע שינויים ויזואליים בסרטונים על בסיס פקודות טקסט באנגלית.

• מחקר אקדמי על וידאו

  ניסויים בשיטות בקרה ושליטה על יצירת פריימים עוקבים לפי הנחיות מורכבות.

• הערכת ביצועי עריכה

  בדיקת איכות של מודלי וידאו קיימים מול משימות שינוי מבוקרות שהוגדרו מראש.

איפה זה נופל

הטקסטים מוגדרים באנגלית בלבד, ואין פה שום תמיכה מובנית בעברית או בהוראות רב-לשוניות. המידע הטכני בכרטיס דל מאוד. לא מצוין אילו הטיות קיימות בסרטונים, מהיכן הם נלקחו, או האם הם כוללים פנים וזכויות יוצרים של צד שלישי. אם אתם בונים מוצר אמיתי, חוסר השקיפות הזה מחייב אתכם לקרוא את המאמר המלא ולבדוק מדגמית את קובצי הווידאו לפני שמריצים אימון.

איך טוענים

אין צורך לבקש אישור גישה מיוחד, המאגר פתוח להורדה ישירה דרך Hugging Face. הוא מורכב מ־1,520 קובצי tar.gz נפרדים, מה שאומר שתצטרכו להוריד ולחלץ אותם מקומית לפני תחילת העבודה. לא מדובר בטבלת נתונים פשוטה שטוענים בשורה אחת, אלא באחסון כבד של קובצי מדיה שדורש תשתית אחסון מתאימה ורוחב פס רחב.

from datasets import load_dataset

ds = load_dataset("SENORITADATASET/Senorita")

הרישיון

הרישיון הוא cc-by-nc-2.0. מותר להשתמש בו לצרכי מחקר וניסויים בלבד, תוך מתן קרדיט ליוצרים. אסור בהחלט להשתמש בדאטהסט הזה לשימוש מסחרי, מה שפוסל אותו מאימון מודלים שמיועדים למוצר בתשלום או לשירות עסקי.

הרישיון המלא ב־Hugging Face ↗