新たなTraffic eventのVideo Question Answeringデータセットの提案。特に複雑な交通シーンのcausal inferenceとevents understanding能力を重視した。また、dynamic inferenceを使用したモデルを提案し、フレームを選択的にスキップすることが可能になり、計算コストを大幅に減少した。