視頻數據飛輪:解決視頻-語言理解中的不可能數據三元組

提出了一個名為"視頻數據飛輪"的框架,通過迭代優化和先進的噪音控制方法來解決視頻-語言預訓練數據集的質量、多樣性和數量之間的矛盾。