Hugging Face 详解如何构建高质量视频生成数据集

Hugging Face 团队开源了一套面向小规模视频生成模型微调的数据集构建管线与脚本工具，涵盖视频获取、质量过滤与多模态标注三个阶段。管线通过 yt-dlp 分割镜头，利用 LAION 水印检测、美学评分模型及 OpenCV 运动评分完成过滤，并接入 Florence-2 或 Qwen2VL 生成文本描述。