AESTHETIC QUANTIFICATION
围绕主体、修饰、细节与风格，形成准确、完整且具有审美信息的图片描述。
从人声、配乐与音效三个维度，描述声音内容、表现特征及其听觉关系。
结合主体、修饰、镜头运动与时序变化，形成连贯、准确的视频内容描述。
