本文介绍了多种视频时序定位（VTG）方法及其框架，如UniVTG和VTG-GPT，强调了它们在不同数据集上的有效性和灵活性。研究还探讨了无监督学习、跨模态特征融合及新型视频编辑框架，以提升视频定位和编辑性能。

本文综述视频时序定位（TVG）研究进展，涵盖统一框架UniVTG的零样本定位、边界回归新范式、轻量TVG模型、零样本视频字幕、多属性视频编辑、视觉提示文本定位、弱监督文章定位任务WSAG及数据集YouwikHow、TSGV综述、无监督深度语义聚类，以及端到端多模态Transformer模型GTR等成果。

该文综述视频时序定位与场景图生成中的去偏研究：提出D-TSG模型消除检索选择偏差，实现常见与罕见情况下的时序句子定位；设计新评估协议与指标校准IoU分数；采用因果推断、混洗视频、Siamese采样及自监督方法缓解时间与推理偏差；并通过因果图、两阶段因果建模和TEMPURA框架减少场景图生成偏差，提升泛化性与无偏性。