本研究介绍了电视节目检索（TVR）数据集，包含109K个查询及其相关性标签，结合视频和字幕文本。提出了跨模态时刻定位网络（XML）和多模式字幕数据集（TVC），并探讨了多种视频检索方法，提升了检索效率和准确性，展示了在多个基准测试中的优越性能。

本研究介绍了电视节目检索（TVR）数据集，包含109K个查询及其相关视频和字幕。提出了跨模态时刻定位网络（XML）和多模态字幕数据集（TVC），旨在提高视频时刻检索的效率和性能。此外，开发了多种模型，如可靠的互补匹配网络（RMMN）和DiffusionVMR，显著提升了视频检索效果。