数字信息高速增长的背景下，传统视频分析技术正面临明显瓶颈。现有系统普遍采用"全画面扫描"模式，对计算资源平均分配，既无法模拟人类选择性注意的方式，也带来不必要的能耗。据统计，全球数据中心每年因视频处理产生的碳排放约达6000万吨，相当于80万辆汽车的年排放量。
视频压缩技术最初只是为了节省存储空间和传输带宽，如今却为视觉理解研究打开了一扇新的窗口；这说明，不同技术领域之间的知识迁移，往往能带来意想不到的突破。在视觉智能技术持续演进的当下，从人类认知规律和既有工程经验中汲取灵感，或许正是推动该领域向前的重要动力。