视频领域transformer的研究真的任重道远，不断有新的视频、训练数据集涌现，如何进行测试指标激活函数与损失函数的设计、如何更有效地进行时序的建模。这个领域的研究也大有可为。将AI领域用于视频的实时监控可以有效

地提高视频监控的效率和准确性，但是视频领域的研究确实任重道远。在设计测试指标时，需要考虑视频的特点，如时序性、空间分布等，同时需要针对具体应用场景进行定制化设计。在激活函数和损失函数的设计方面，需要考虑视频数据的特点和模型的复杂度，以及如何平衡准确性和效率。在时序建模方面，需要考虑如何更好地表示视频序列，并且如何利用先前的信息来预测未来的帧。总之，视频领域的研究需要综合考虑数据、模型和应用场景等多方面因素，才能取得更好的效果。