iQIYI-VID 是一个多模态视频人物数据集。该数据集包含 5,000 位明星艺人，以及长达 1,000 小时的 50 万条视频片段，每条视频长 1~30 秒。视频片段来自爱奇艺综艺、电影、电视剧。每个视频片段都经过人工标注，错误率低于 0.2％。研究人员在 iQIYI-VID 数据集上评估了人脸识别、人员重新识别和说话人识别的最新模型。