视频描述拓扑 Benchmark

350 字约 1 分钟

VideoCaptionTopologyBench 是最小的 Video → Frame → Video 参考案例。每个视频展开为有序帧，来自不同视频的 READY 帧可以一起进入 Caption Actor 批次，完成后再按原视频和帧序归并为一个摘要记录。

拓扑

运行

from rayorch.benchmark import VideoCaptionTopologyBench

report = VideoCaptionTopologyBench(
    output_dir="./results",
    video_count=8,
    frames_per_video=16,
    workers=4,
    batch_size=8,
    input_batch_size=1,
    max_active_input_batches=4,
).run(profile=False)

该案例生成逻辑视频和帧，不读取真实媒体，也不加载 VLM。

输出与指标

每个输出包含视频名、有序帧 ID 和确定性的 caption 字符串；报告增加总 frames。

体现什么性能

观察项	实验方式	能回答的问题
帧级调度吞吐	`frames / measured_wall_s`	`1 → M → 1` 控制面的帧处理速率
跨视频组批	增大 `video_count` 与 active input batches	多个输入是否让 Caption Call 更容易填满 batch
保序成本	增大 `frames_per_video`	大子项组归并回父项的成本如何变化
Worker/RPC 权衡	扫描 `workers` 和 `batch_size`	轻量 UDF 下增加 Actor 是否值得

它适合验证真实视频模型接入前的数据形态和调度参数，但其数字不代表解码或 VLM 推理性能。