本記事では、DGME-Tという新たな手法を提案し、トランスフォーマーを用いた歴史的カメラ動作分類の精度向上を目指しています。現代の高品質な映像で訓練されたカメラ動作分類モデルは、アーカイブフィルムに適用すると劣化する問題に対処します。このため、4つの標準的なクラスにまとめたベンチマークを構築し、HISTORIANコレクションを5つのバランスの取れたカテゴリに再構成しました。DGME-Tは、光フローに基づく方向性グリッド運動符号化を導入し、軽量のVideo Swin Transformerを拡張しています。この手法により、現代クリップのトップ-1精度は81.78%から86.14%に向上し、第二次世界大戦の映像でも精度が改善されました。結果として、構造化された運動のプライオリティとトランスフォーマーの表現が相補的であることが示され、劣化したフィルム解析においても大きな強化が見られました。