视频语言领域第一个大规模中英文数据集VATEX。VATEX是目前最大规模的视频描述的数据集，80多万中英文视频描述，并且其中的一半描述是中英文的直接翻译。在VATEX的基础上，提出并分析了两个新的任务：多语视频描述，和以视频为辅助的机器翻译。细节可参见这篇论文