本研究提出Mavors框架，旨在解决多模态大语言模型在长视频理解中的计算效率与细粒度时空模式保持之间的矛盾。通过多粒度视频表示方法，显著提升了复杂运动和不同分辨率视频的时空推理性能。

本研究探讨在不使用自然视频的情况下学习有效的视频表示。通过结合合成视频数据集与静态图像，发现其在多个数据集上表现优越，提供了一种可控的视频数据预处理方案。

该文介绍了一种新的学习方法MIL-NCE，用于从讲述视频中学习视频表示，无需手动注释。该方法在多个数据集上进行了评估，证明其优于已发表的自监督方法和多个全监督基准线的表现。

该文介绍了一种新的学习方法MIL-NCE，用于从讲述视频中学习视频表示，无需手动注释。该方法在多个数据集上进行了评估，证明其优于已发表的自监督方法和多个全监督基准线的表现。