3200 条视频标注 · 143 条零噪底表
游戏 / 动画 CG 视频多模态数据构建
针对高动态、强时序、快剪辑的游戏过场与技能演出构建可学性 Video-to-Text 训练数据
累计高细粒度标注
3200 条
标注合格率
96%
抽检一致率
94%
01. CONTEXT / 业务背景与目标
在游戏与动画领域，视频通常包含极高频的镜头切换、强动态粒子特效以及复杂的角色与环境交互。现有多模态通用视频模型直接理解此类视频时，极易产生主观脑补、时序错位以及特效主体混淆等严重幻觉。
02. CHALLENGES / 核心技术难点
- 高动态运镜与多机位切换：普通描述往往忽略运镜视角（如推拉摇移），导致模型无法解耦镜头运动与主体运动；
- 技能特效与角色动作交织：绚丽的光效易被误判为实体，需要严格剥离特效层与人物动作层；
- 时序因果关系断裂：长镜头中角色行为的先后因果关系难以被浅层标注捕获。
03. SOLUTION / 解决方案与工程设计
建立多维分层描述规范：将每个视频切片解构为【镜头运动 + 主体身份 + 瞬态动作 + 持续状态 + 光影特效 + 环境作用】六维要素；
设计 Prompt 自动化初稿流水线：利用强视觉 LLM 结合关键帧采样生成初始结构化文本；
制定严格的筛选与边界校准标准：人工对关键动作起始帧、特效消隐点进行锚定与误差修正。
04. EVALUATION & QA / 评测与质控闭环
1
时间戳与视觉事件对齐验证2
实体与动作命名一致性校验3
防幻觉与去主观修辞过滤05. IMPACT & DELIVERABLES / 交付结果与价值
✓成功交付 3200 条高细粒度游戏/动画 CG 描述数据，合格率 96%、抽检一致率 94%；完成 143 条垂类视频深度排查，实现底表零噪准入；
✓沉淀出针对动作游戏与二次元动画的《视频多模态描述工程指南》，确立 6 大评测维度并构建 200 条基准评测集；
✓主导 8 组模型版本两两双盲评测，差异归因结论直接反哺算法优化与上线节奏把控。
项目交付文档与资产：
游戏 CG 细粒度视频标注规范文档 (SOP)时序动作-镜头解构模板自动化初稿生成 Prompt 模板库