Movie2Story：理解视频并以新颖文本形式讲述故事的框架

本研究提出M2S框架，旨在生成丰富的长篇文本描述，尤其是整合视频和音频的内容。研究表明，M2S在多模态文本生成方面表现优异，具备良好的可扩展性和研究潜力。