Video Understanding: Through A Temporal Lens（面向时间维度的视频理解）
Thong Thanh Nguyen 的博士论文，从时间维度系统性地推进视频理解，围绕三大研究目标（推进边界 / 高效捕获时间 / 有效捕获时间）提出五项贡献：(1) MAMA 用减性角度间隔对比 + 元优化样本加权自动标注海量视频；(2) READ 在轻量适配器瓶颈内嵌 RNN，仅微调适配器即在低资源时间定位/视频摘要上超越全量微调；(3) GSMT 用门控状态空间模型（SSM）对密集采样帧建全局语义，配套 Ego-QA/MAD-QA 长视频问答基准；(4) MCL 用运动感知对比学习 + 强运动 tube 选择做时间全景场景图；(5) MSCL 多尺度跨尺度对比 + 特征金字塔做时间定位；并给出面向时间的 LVLM 训练配方（QueryFormer 接口 + 时间训练方案 + 记忆库 + MoE 四步扩展）。