视频包含了图像、声音、文字等多种信息，可以表达生动、丰富的内容。随着AI时代的带来，互联网视频应用高速发展，视频更成为一种人人可生成的内容，数据量暴涨。如何利用机器学习将海量的视频内容充分利用起来，成为 AI 领域研究人员和企业开发应