摘要：该数据集面向电视场景理解与导演决策预测，共包含4,622条多模态记录，将视觉帧、音频片段和文本内容进行同步关联。
数据集概述
该数据集面向电视场景理解与导演决策预测，共包含4,622条多模态记录，将视觉帧、音频片段和文本内容进行同步关联。每条记录描述一个具体场景的视觉活动、对话、音乐、环境声音、情绪和叙事强度，并提供相应的导演决策标签，可用于分析多种感知线索如何共同影响场景切换、镜头焦点调整和叙事重点安排。
数据结构与关键特征
主数据通过Sample_ID、Scene_ID和Episode_ID标识样本来源，并利用Audio_ID、Image_ID和Text_ID关联三种模态。特征包括音频类型、情感标签、场景强度、对话状态、背景音乐等级、说话者数量、视觉密度、场景亮度和文本长度，目标字段为Decision_Label。此外，Text.csv约405.61 MB，包含电影中英文名称、用户、评分、评论、发布时间和点赞量等10个字段。由于评论数据与场景级导演决策数据的语义层级不同，使用前应重点核验Text_ID与评论ID之间是否存在有效映射，确认其属于核心文本模态还是独立的辅助数据。
应用价值与研究方向
该数据集可用于导演决策预测、场景转换识别、镜头选择、叙事节奏分析、自动视频剪辑和影视内容理解。研究方向包括音频—视觉—文本特征融合、多模态Transformer、情绪与场景强度建模、跨模态注意力学习及导演动作分类。辅助评论数据还可用于观众情感分析、评分预测和互动趋势研究；若能与具体剧集或场景可靠关联，可进一步分析导演决策与观众反馈之间的关系。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-565
文件大小：260M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)