待验证50% 置信基准精确时间

在超过20分钟的长视频场景中，以30秒和60秒窗口生成字幕的CaptionQA方案表现超越了直接进行VideoQA的传统做法

1

来源数

50%

置信度

长期有效

时效性

2026/9/17

首次发现

来源

CapMem：用文本字幕解决长视频情景记忆的新基准

涉及实体

CaptionQAconcept VideoQAconcept

相关事实

已验证改造类延时视频通常在15-60秒内完成一个完整的改造叙事弧线80% 相似待验证目前几乎没有能一键生成30分钟连贯视频的工作流，长视频本质上是大量短片段的组织与拼接77% 相似已验证生成一段8秒、24帧/秒的视频意味着模型需要在时间轴上同时保持192帧画面的语义一致性，计算量约为同分辨率单张图像的数十倍76% 相似待验证早期视频生成架构如3D U-Net加时间注意力层的时间感受野通常仅覆盖16-24帧（约1-2秒）73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/928365

API

curl https://kongchang.com/api/v1/knowledge/claims/928365

MCP

get_claim(id=928365)