CoCLRはビデオ表現のための新しい自己教師あり学習方法です。視覚データのみを利用して、InfoNCE目的とMoCoを使用してビデオ表現モデルを共同訓練します。この方法は、大量のラベルなしビデオデータを効果的に処理する必要性を解決し、ラベル付きデータが不足または利用できないアプリケーションにとって貴重です。