NumPro方法通过在视频帧中添加数字标识符，提升了视频大模型的时序定位能力。该方法无需训练，利用光学字符识别技术，准确关联视觉内容与时间线。实验结果表明，NumPro在多个基准测试中超越了现有最佳水平，对模型的通用理解能力影响较小。

该文综述视频时刻检索研究，涵盖自监督伪查询、EventFormer、对比学习检索定位、部分相关视频检索、CFMR点级监督、ACRM交互建模、DCM去混淆、MESM模态增强、BM-DETR背景感知及CMIN跨模态交互等方法，旨在解决时序动态与多模态推理问题。

该文综述深度伪造检测研究，涵盖视频、音频与图像，涉及Recap模型、时序定位、弱监督定位、局部感知自编码器、双流网络、Segment Anything Model及Vision Transformer等方法，以提升检测与定位精度。研究指出数据集过度扩充易致过拟合，面部切除增强可缓解。

UniVTG框架通过统一视频时序定位的标签和任务，提高定位能力。实验证明该框架在三项任务上有效灵活。