本研究提出了一种新的掩蔽自我-他建模方法（BYOV），旨在改善视角不变的视频表示学习。实验结果表明，BYOV在多个任务中显著优于现有方法，提升了视频理解能力。

本文介绍了Temporal Squeeze（TS）池化，一种新的视频表示学习方法，通过提取少量图像来生成包含必要移动信息的Squeezed Images。同时提出了TeSNet视频分类模型，并在两个基准测试中进行了评估。

本文介绍了一种名为Temporal Squeeze（TS）池化的视频表示学习方法，通过转化视频帧为少量图像来提取移动信息。作者设计了Temporal Squeeze Network（TeSNet）视频分类模型，并在两个基准测试上与最先进的方法进行了比较。