Θα μελετηθεί η αξιοποίηση μεγάλων πολυτροπικών μοντέλων (Multimodal Large Language Models) για τη δημιουργία εξατομικευμένων περιλήψεων βίντεο. Οι περιλήψεις θα έχουν και αυτές τη μορφή βίντεο, σημαντικά μικρότερης διάρκειας όμως από το βίντεο εισόδου. Η εξατομίκευση θα βασίζεται στη χρήση σύντομης περιγραφής (κειμένου) του τί επιθυμεί ο χρήστης να δει στην περίληψη.