動画からの特徴抽出器が（静止画の特徴抽出では捉えられない）動的な特徴をどれだけ捉えているか定量化するdynamic scoreとその測り方を提案。動的な特徴表現の学習をdynamic scoreの最大化と捉えると、敵対的学習の枠組みで定式化できることを示し、具体的な実装を提案した。

Kinetics-400による事前学習をベースラインとし、dynamic scoreを測ったほか、下流タスクとして4つの標準的な動画分類タスクと2つのfew-shotタスクで評価。Dynamic scoreでは提案法がベースラインを大きく上回った。また、ほとんどの設定でベースラインを超える性能を発揮。

動画認識において大きな課題であった「動的特徴を捉えきれない」という定性的な観察に対して、シンプルなアイデアでこれを定量化できるようにした点が画期的。さらにそれを表現学習のアルゴリズムにまで昇華した点が偉い。