Video-MTR — дообученная мультимодальная модель для многошаговых ответов на вопросы о длинных видео с поиском кадров.

Подходит для: ответы на вопросы о событиях в длинном видео · поиск кадров, относящихся к вопросу пользователя · многошаговый анализ последовательности видеокадров