CodeCap-Bench用代码描述视频

南京大学、Kling AI等机构提出“Code as Video Caption”范式，并用包含323个视频的CodeCap-Bench评测以可执行代码描述视频的效果。代码由图形基元、布局规则和时间函数构成，在视频问答与重建任务中，推理准确率和重建保真度均优于自然语言描述，能更精确表达空间结构与时间动态。 该范式仍受限于现有模型能力：复杂多模态大模型难以生成忠实于复杂时间动态的代码描述，成为实际应用的主要瓶颈。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。