通过对时空事件图进行推理实现零样本和可解释的视频描述

本研究提出了一种基于时空事件的可解释性方法，解决了机器学习中视觉与语言理解的问题，能够生成连贯且相关的视频文本描述，展示了视觉与语言模型的统一潜力。