Dieser technische Bericht präsentiert eine kurze Beschreibung unserer Einreichung für die Aufgabe des Dense Video Captioning im ActivityNet Challenge 2020. Unser Ansatz folgt einem zweistufigen Pipeline-Modell: Zunächst extrahieren wir eine Reihe von zeitlichen Ereignisvorschlägen; anschließend stellen wir ein Mehr-Ereignis-Kapitel-Modell vor, das zeitliche Beziehungen auf Ereignisebene erfassen und die multimodale Information effektiv fusionieren kann. Unser Ansatz erzielt auf dem Testset einen METEOR-Score von 9,28.