本論文では、TAC-SUMという新しい効率的な学習不要のビデオサマリ作成手法を提案します。この手法は、時間的文脈を組み込むことで既存のクラスタベースモデルの制限を克服します。当手法では、入力ビデオを時間的に連続するセグメントに分割し、クラスタリング情報を用いて時間的意識をクラスタリングプロセスに注入します。これにより、従来のクラスタベースのサマリ作成手法とは一線を画しています。得られた時間的意識を持つクラスターは、キーフレーム選択とフレーム的重要性スコアリングのための単純なルールを使用して最終的なサマリを計算するために利用されます。SumMeデータセットでの実験結果は、提案手法の有効性を示しており、既存の非監督手法を上回り、最先端の監督型サマリ作成技術と同等の性能を達成しています。ソースコードは参考のために以下のURLで公開されています: \url{https://github.com/hcmus-thesis-gulu/TAC-SUM}。