教師なし学習を用いて、動画に対し時間方向のセグメンテーションを行う。2層のMLPを用いて、動画フレームから動画内の相対時間を予測するタスクを学習させ、特徴量のEmbeddingを得る。その特徴量をk平均法でクラスタリングし、クラスタ内の動画フレームの平均時間からクラスタを時間順に並べる。この順序とEmbeddingの確率分布を確率過程と考え、セグメンテーションを行う。