動画から視覚の関連付け(「男、開ける、ドア」は「男」と「ドア」が「開ける」に関連している)を行う論文。視覚の関連付けは画像の意味理解などに非常に有用であるが、既存研究では画像からの関連付けしか行われていない。画像からの関連付けでは例えば、男がドアを「開けている」のか「閉めている」のかが分からない。本研究では、より正確な視覚な関連付けをするために、動画を用いた手法を提案する。