本研究は，難易度の高い新しい映像検索技術について取り組んだ成果である．機械学習モデルを用いてクエリ文から映像を検索するクロスモーダル検索に関して，より詳細な説明が記述されたテキストも併用して検索する際のテキストの表現と検索精度の関係を検証し，テキストの調整（プロンプトエンジニアリング）による検索精度向上手法を提案している．短い説明文を用いた映像検索手法は数多くあるものの，長くて詳細な説明文を用いた映像検索手法は確立されていなかった．本提案により，長くて冗長な説明文を用いる際の指針が示されたことから，今後のこの分野の発展に役立つ研究と位置付けられる．