Sakuga-42M数据集：扩大卡通研究规模 (arxiv.org)

这篇论文介绍了Sakuga-42M数据集，这是一个包含4200万个关键帧的大规模卡通动画数据集，涵盖了各种艺术风格、地区和年代，并包含了视频文本描述对、动画标签、内容分类等语义注释。研究表明，大型数据集对理解和生成自然视频的模型（如CLIP、SVD和Sora）在卡通动画方面效果不佳，这是因为卡通动画的偏差与自然视频的分布不同。Sakuga-42M数据集的提出旨在将大规模数据应用于卡通研究，并通过微调Video CLIP、Video Mamba和SVD等基础模型，在卡通相关任务上取得出色性能，从而促进未来卡通应用的泛化和鲁棒性。