Herkömmliche Modelle zum Verständnis von Videos stehen bei der Verarbeitung langer Videos vor vielen Herausforderungen, darunter das Verständnis des komplexen Kontexts langer Videos. Obwohl bereits zahlreiche Studien darauf abzielen, die Fähigkeiten zum Verständnis von Videos zu verbessern, ist es nach wie vor schwierig, die Probleme der geringen Effizienz bei Training und Inferenz effektiv zu überwinden. Um diese Probleme zu lösen, komprimiert das Forschungsteam mithilfe der HiCo-Technologie redundante Teile der Videoinformationen, wodurch der Rechenbedarf erheblich reduziert und gleichzeitig wichtige Informationen erhalten werden. Genauer gesagt, HiCo komprimiert Videos hierarchisch, indem lange Videos in kurze Segmente unterteilt werden, um den Verarbeitungsaufwand zu reduzieren.