本研究提出了一种名为ViaRL的新框架，通过基于规则的强化学习优化视频理解中的帧选择，解决了缺乏有效训练信号的问题。ViaRL采用迭代放大策略进行循环训练，无需昂贵标注，显著提升了时间定位性能，特别是在Needle QA任务上提升近15%。

本研究提出了一种名为时间标记器的视频大语言模型，旨在改善现有模型在时间定位方面的不足。该模型通过引入时间分隔符和AnyLength机制，有效处理短视频和长视频，评估结果显示其在视频理解领域具有显著潜力。

本文介绍了HFUT-VUT团队在2024年IJCAI MiGA挑战赛中开发的微手势在线识别解决方案，重点在于准确识别微手势的类别及其时间定位。研究提出了一种基于骨架和语义嵌入的3D-CNNs网络，取得了优异的分类准确率，并探讨了微手势在情感理解中的应用，展示了新方法的有效性。