一、技术背景与行业痛点 在视频理解领域，传统方案依赖人工标注构建训练数据集，这一过程面临三大核心挑战：其一，标注成本随视频时长呈指数级增长，单个复杂场景标注成本可达数千元；其二，人工标注存在主观偏差……
