動画の瞬間検索と注目点検出は密接に関連しているが、従来のデータ駆動型アプローチでは両者の特性を十分に考慮できていない。本研究では、タスク駆動型の上位ダウン型アプローチを提案し、タスク固有の特徴と共通特徴の抽出、およびタスク間の相互フィードバックを実現することで、両タスクの性能を向上させる。