Le concept de chaîne de cadres (CoF) a été proposé conjointement en mai 2025 par une équipe du NYU Abu Dhabi Center, de l'ETH Zurich et du Laboratoire de recherche de l'armée américaine. Les résultats de ces recherches ont été publiés dans un article intitulé « … »Chaîne d'images : Améliorer la compréhension vidéo dans les modèles linguistiques multimodaux grâce au raisonnement prenant en compte les images".

Dans le domaine des grands modèles de langage, les chaînes de pensée permettent de résoudre des problèmes de raisonnement. De même, les chaînes d'images permettent aux modèles vidéo de résoudre des problèmes visuels nécessitant un raisonnement pas à pas dans le temps et l'espace. Contrairement aux méthodes CoT vidéo existantes, CoF ne repose pas sur des réseaux supplémentaires pour sélectionner ou décrire les images pertinentes. Les expériences montrent que les modèles basés sur CoF peuvent générer un raisonnement chaîné qui référence précisément les images clés, améliorant ainsi les performances et réduisant significativement les taux d'illusion dans de nombreux tests de compréhension vidéo. L'introduction de CoF accélère la transformation des modèles vidéo en un modèle de base visuel unifié et polyvalent.