في الآونة الأخيرة، تم اقتراح طرق تعتمد على مهام التمهيد الواحدة تلو الأخرى في تعلم الخصائص الفيديوية ذاتيًا. وفي الوقت نفسه، حققت طرق التعلم المقارن أيضًا أداءً جيدًا. عادةً ما يمكن للطرق الجديدة أن تتفوق على السابقة، بزعم أنها تستطيع التقاط المعلومات الزمنية "الأفضل". ومع ذلك، هناك اختلافات في الإعدادات بين هذه الطرق، مما يجعل من الصعب استنتاج أي منها أفضل. سيكون المقارنة أكثر إقناعًا إذا وصلت هذه الطرق إلى أقرب نقطة ممكنة من حدود أدائها. في هذا البحث، نبدأ من خط أساس واحد لمهام التمهيد، مستكشفين مدى قدرته على التقدم من خلال دمجه مع التعلم المقارن ومعالجة البيانات المسبقة وتضخيم البيانات. تم العثور على إعداد مناسب من خلال التجارب الواسعة، حيث يمكن تحقيق تحسينات كبيرة فوق الخطوط الأساسية باستخدامه، مما يشير إلى أن إطار العمل الذي يقوم بتحسين كلاً من مهمة التمهيد والتعلم المقارن بشكل مشترك يمكن أن يكون فعالاً. نطلق على هذا الإطار اسم التعلم التمهيدي-المقارن (PCL). تم استخدام الخطين الأساسيين الآخرين لمهام التمهيد لتأكيد فعالية PCL. ويمكننا بسهولة تجاوز الطرق الحالية الأكثر تقدمًا بنفس طريقة التدريب، مما يظهر فعالية مقترحنا وشموليته. كما أنه من السهل التعامل مع PCL كاستراتيجية تدريب قياسية وتطبيقها على العديد من الأعمال الأخرى في مجال تعلم الخصائص الفيديوية ذاتيًا.