InternVideo는 OpenGVLab이 개발한 비디오 파운데이션 모델(ViFM) 시리즈로, 비디오와 텍스트를 아우르는 멀티모달 이해를 목표로 합니다. 마스크드 오토인코더 기반의 자기지도 학습과 비디오-텍스트 대조 학습을 결합해 시공간 표현을 학습하며, 액션 인식, 비디오-텍스트 검색, 비디오 질의응답, 시간적 액션 로컬라이제이션 등 광범위한 다운스트림 태스크에서 강력한 제로샷 및 전이 성능을 보여줍니다. InternVideo, InternVideo2로 이어지는 모델 가중치와 학습·평가 코드, 대규모 비디오 데이터셋을 함께 공개해 비디오 멀티모달 연구의 핵심 기반으로 활용됩니다.