Motion Captioning

Motion Captioning是计算机视觉领域的一个子任务，旨在自动生成描述人类动作的文本。该任务通过分析视频或图像序列中的运动信息，捕捉并理解人体姿态变化及动作细节，进而生成准确、自然的语言描述。其目标是实现对复杂动态场景的精准语义解析，提升机器对人类行为的理解能力。Motion Captioning在智能监控、人机交互、体育分析等领域具有重要应用价值，能够为自动化系统提供丰富的行为数据支持。