Google開發了一個針對廣泛影片理解任務設計的基礎視覺編碼器VideoPrism，研究人員藉由新的預訓練資料和建模策略，使其可以用於分類、定位（Localization）、檢索、字幕和問答等影片理解任務，並且在多個基準測試中表現優於專門為任務設計的模型。