研究提出以代码作视频描述并发布CodeCap-Bench

Jiafu Tang等作者提出“Code as Video Caption”范式，用可执行程序而非自然语言描述视频：以图形基元、布局规则和时间函数表达视觉内容，并发布包含323个视频、覆盖五类结构化2D内容的评测基准CodeCap-Bench。 据该研究，在问答与视频重建任务上，代码描述取得更高的推理准确率和重建保真度。

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。