本文介绍了一种新的视频多媒体事件提取（M2E2）任务及其系统，能够从视频和文本中提取结构化事件信息。研究提出了WASE和CAMEL等创新方法，利用弱监督训练和多模态数据，提升事件提取效果，并建立了相关基准数据集。实验结果表明，该方法在多模态信息提取任务中表现优异。