CTVG-4B находит в видео интервалы, соответствующие текстовому запросу, и оценивает уверенность в сгенерированных кандидатах.

Подходит для: поиск фрагментов видео по описанию события · локализация повторяющихся событий в видео · отбор временных интервалов по оценке уверенности