VCO_1.json 24K
里面是videochat-online的captioning的标注，
对提问时间点最近的视频内容进行提问和回答。
VCO_2.json 81K
里面是videochat-online的temporal grounding标注
从charades.json和/didemo.json经过对提问前后时间点采样得出。
过滤掉了视频时长小于2s的视频。
TCO.json 64K
里面是timechat-online的标注，其中负样本的问答方式有修改。有大约300个只回答了字母的样例，剔除。
EGO.json 44K
里面是egoit-99k的数据，
