From 2739901c7ac4500f3ffcad9c2f92a27520fae244 Mon Sep 17 00:00:00 2001
From: AhnJoonSung <tjdtna01@naver.com>
Date: Sat, 20 Sep 2025 16:14:10 +0900
Subject: [PATCH 1/8] docs: ko: video_processors.md

---
 docs/source/ko/_toctree.yml        |  4 +--
 docs/source/ko/video_processors.md | 49 ++++++++++++++++++++++++++++++
 2 files changed, 51 insertions(+), 2 deletions(-)
 create mode 100644 docs/source/ko/video_processors.md

diff --git a/docs/source/ko/_toctree.yml b/docs/source/ko/_toctree.yml
index 21f26cd66af6..6a78074e1bc6 100644
--- a/docs/source/ko/_toctree.yml
+++ b/docs/source/ko/_toctree.yml
@@ -31,8 +31,8 @@
       title: 🤗 Tokenizers 라이브러리에서 토크나이저 사용하기
     - local: image_processors
       title: 이미지 프로세서
-    - local: in_translation
-      title: (번역중) Video processors
+    - local: video_processors
+      title: 비디오 프로세서
     - local: in_translation
       title: (번역중) Backbones
     - local: in_translation
diff --git a/docs/source/ko/video_processors.md b/docs/source/ko/video_processors.md
new file mode 100644
index 000000000000..4f44914c8cfc
--- /dev/null
+++ b/docs/source/ko/video_processors.md
@@ -0,0 +1,49 @@
+<!--Copyright 2025 The HuggingFace Team. All rights reserved.
+
+Licensed under the Apache License, Version 2.0 (the "License"); you may not use this file except in compliance with
+the License. You may obtain a copy of the License at
+
+http://www.apache.org/licenses/LICENSE-2.0
+
+Unless required by applicable law or agreed to in writing, software distributed under the License is distributed on
+an "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. See the License for the
+specific language governing permissions and limitations under the License.
+
+⚠️ Note that this file is in Markdown but contain specific syntax for our doc-builder (similar to MDX) that may not be
+rendered properly in your Markdown viewer.
+
+-->
+
+
+# Video Processor
+
+A **Video Processor** is a utility responsible for preparing input features for video models, as well as handling the post-processing of their outputs. It provides transformations such as resizing, normalization, and conversion into PyTorch. 
+
+The video processor extends the functionality of image processors by allowing the models to handle videos with a distinct set of arguments compared to images. It serves as the bridge between raw video data and the model, ensuring that input features are optimized for the VLM.
+
+Use [`~BaseVideoProcessor.from_pretrained`] to load a video processors configuration (image size, whether to normalize and rescale, etc.) from a video model on the Hugging Face [Hub](https://hf.co) or local directory. The configuration for each pretrained model should be saved in a [video_preprocessor_config.json] file but older models might have the config saved in [preprocessor_config.json](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf/blob/main/preprocessor_config.json) file. Note that the latter is less preferred and will be removed in the future.
+
+
+### Usage Example
+Here's an example of how to load a video processor with [`llava-hf/llava-onevision-qwen2-0.5b-ov-hf`](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf) model:
+
+```python
+from transformers import AutoVideoProcessor
+
+processor = AutoVideoProcessor.from_pretrained("llava-hf/llava-onevision-qwen2-0.5b-ov-hf")
+```
+
+Currently, if using base image processor for videos, it processes video data by treating each frame as an individual image and applying transformations frame-by-frame. While functional, this approach is not highly efficient. Using `AutoVideoProcessor` allows us to take advantage of **fast video processors**, leveraging the [torchvision](https://pytorch.org/vision/stable/index.html) library. Fast processors handle the whole batch of videos at once, without iterating over each video or frame. These updates introduce GPU acceleration and significantly enhance processing speed, especially for tasks requiring high throughput.
+
+Fast video processors are available for all models and are loaded by default when an `AutoVideoProcessor` is initialized. When using a fast video processor, you can also set the `device` argument to specify the device on which the processing should be done. By default, the processing is done on the same device as the inputs if the inputs are tensors, or on the CPU otherwise. For even more speed improvement, we can compile the processor when using 'cuda' as device.
+
+```python
+import torch
+from transformers.video_utils import load_video
+from transformers import AutoVideoProcessor
+
+video = load_video("video.mp4")
+processor = AutoVideoProcessor.from_pretrained("llava-hf/llava-onevision-qwen2-0.5b-ov-hf", device="cuda")
+processor = torch.compile(processor)
+processed_video = processor(video, return_tensors="pt")
+```

From 1d4f6407de04c5274a2d75980b6c5b4d63980bcd Mon Sep 17 00:00:00 2001
From: AhnJoonSung <tjdtna01@naver.com>
Date: Sat, 20 Sep 2025 16:26:49 +0900
Subject: [PATCH 2/8] feat: nmt draft

---
 docs/source/ko/video_processors.md | 17 ++++++++---------
 1 file changed, 8 insertions(+), 9 deletions(-)

diff --git a/docs/source/ko/video_processors.md b/docs/source/ko/video_processors.md
index 4f44914c8cfc..c26ecd658cf1 100644
--- a/docs/source/ko/video_processors.md
+++ b/docs/source/ko/video_processors.md
@@ -14,18 +14,17 @@ rendered properly in your Markdown viewer.
 
 -->
 
+# 비디오 프로세서[[video-processor]]
 
-# Video Processor
+**Video Processor**는 비디오 모델을 위한 입력 특징을 준비하고, 출력의 후처리를 담당하는 유틸리티입니다. 크기 조정, 정규화, PyTorch로의 변환과 같은 변환을 제공합니다.
 
-A **Video Processor** is a utility responsible for preparing input features for video models, as well as handling the post-processing of their outputs. It provides transformations such as resizing, normalization, and conversion into PyTorch. 
+비디오 프로세서는 이미지와는 다른 인자 집합으로 비디오를 처리할 수 있도록 이미지 프로세서의 기능을 확장합니다. 원시 비디오 데이터와 모델 사이의 다리 역할을 하여 입력 특징이 VLM에 최적화되도록 보장합니다.
 
-The video processor extends the functionality of image processors by allowing the models to handle videos with a distinct set of arguments compared to images. It serves as the bridge between raw video data and the model, ensuring that input features are optimized for the VLM.
+Hugging Face [Hub](https://hf.co) 또는 로컬 디렉터리에 있는 비디오 모델로부터 비디오 프로세서 구성(이미지 크기, 정규화 및 리스케일 여부 등)을 로드하려면 [`~BaseVideoProcessor.from_pretrained`]를 사용하세요. 각 사전 학습된 모델의 구성은 [video_preprocessor_config.json] 파일에 저장되어야 하지만, 이전 모델은 구성이 [preprocessor_config.json](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf/blob/main/preprocessor_config.json) 파일에 저장되어 있을 수 있습니다. 후자는 권장되지 않으며 향후 제거될 예정입니다.
 
-Use [`~BaseVideoProcessor.from_pretrained`] to load a video processors configuration (image size, whether to normalize and rescale, etc.) from a video model on the Hugging Face [Hub](https://hf.co) or local directory. The configuration for each pretrained model should be saved in a [video_preprocessor_config.json] file but older models might have the config saved in [preprocessor_config.json](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf/blob/main/preprocessor_config.json) file. Note that the latter is less preferred and will be removed in the future.
+### 사용 예시[[usage-example]]
 
-
-### Usage Example
-Here's an example of how to load a video processor with [`llava-hf/llava-onevision-qwen2-0.5b-ov-hf`](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf) model:
+다음은 [`llava-hf/llava-onevision-qwen2-0.5b-ov-hf`](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf) 모델과 함께 비디오 프로세서를 로드하는 예시입니다:
 
 ```python
 from transformers import AutoVideoProcessor
@@ -33,9 +32,9 @@ from transformers import AutoVideoProcessor
 processor = AutoVideoProcessor.from_pretrained("llava-hf/llava-onevision-qwen2-0.5b-ov-hf")
 ```
 
-Currently, if using base image processor for videos, it processes video data by treating each frame as an individual image and applying transformations frame-by-frame. While functional, this approach is not highly efficient. Using `AutoVideoProcessor` allows us to take advantage of **fast video processors**, leveraging the [torchvision](https://pytorch.org/vision/stable/index.html) library. Fast processors handle the whole batch of videos at once, without iterating over each video or frame. These updates introduce GPU acceleration and significantly enhance processing speed, especially for tasks requiring high throughput.
+현재, 비디오에 기본 이미지 프로세서를 사용하면, 각 프레임을 개별 이미지로 간주하고 프레임 단위로 변환을 적용하여 비디오 데이터를 처리합니다. 이는 충분히 동작은 하지만 효율이 높지 않습니다. `AutoVideoProcessor`를 사용하면 [torchvision](https://pytorch.org/vision/stable/index.html) 라이브러리를 활용하는 **fast video processors**의 이점을 누릴 수 있습니다. Fast 프로세서는 각 비디오나 프레임을 순회하지 않고 비디오 배치를 한 번에 처리합니다. 이러한 개선은 GPU 가속을 도입해, 특히 높은 처리량이 필요한 작업에서 처리 속도를 크게 향상시킵니다.
 
-Fast video processors are available for all models and are loaded by default when an `AutoVideoProcessor` is initialized. When using a fast video processor, you can also set the `device` argument to specify the device on which the processing should be done. By default, the processing is done on the same device as the inputs if the inputs are tensors, or on the CPU otherwise. For even more speed improvement, we can compile the processor when using 'cuda' as device.
+Fast video processors는 모든 모델에서 사용할 수 있으며 `AutoVideoProcessor`를 초기화하면 기본으로 로드됩니다. Fast video processors를 사용할 때는 처리 대상 디바이스를 지정하기 위해 `device` 인자를 설정할 수도 있습니다. 입력이 텐서라면 기본적으로 입력과 동일한 디바이스 혹은 CPU에서 처리가 수행됩니다. 추가적인 속도 향상을 위해 디바이스로 'cuda'를 사용할 때 프로세서를 컴파일할 수 있습니다.
 
 ```python
 import torch

From b20620c70f892676fac1cd8e516d476be7cbbd00 Mon Sep 17 00:00:00 2001
From: AhnJoonSung <tjdtna01@naver.com>
Date: Sat, 20 Sep 2025 17:04:32 +0900
Subject: [PATCH 3/8] fix: manual edits

---
 docs/source/ko/video_processors.md | 10 +++++-----
 1 file changed, 5 insertions(+), 5 deletions(-)

diff --git a/docs/source/ko/video_processors.md b/docs/source/ko/video_processors.md
index c26ecd658cf1..9cb5c8eb2421 100644
--- a/docs/source/ko/video_processors.md
+++ b/docs/source/ko/video_processors.md
@@ -16,11 +16,11 @@ rendered properly in your Markdown viewer.
 
 # 비디오 프로세서[[video-processor]]
 
-**Video Processor**는 비디오 모델을 위한 입력 특징을 준비하고, 출력의 후처리를 담당하는 유틸리티입니다. 크기 조정, 정규화, PyTorch로의 변환과 같은 변환을 제공합니다.
+**Video Processor**는 비디오 모델의 입력으로 사용될 특징값들을 준비하고, 모델 출력의 후처리를 지원하는 유틸리티입니다. 크기 조정, 정규화, PyTorch 텐서 변환 등의 기능을 제공합니다.
 
-비디오 프로세서는 이미지와는 다른 인자 집합으로 비디오를 처리할 수 있도록 이미지 프로세서의 기능을 확장합니다. 원시 비디오 데이터와 모델 사이의 다리 역할을 하여 입력 특징이 VLM에 최적화되도록 보장합니다.
+비디오 프로세서는 이미지 프로세서의 기능을 확장하여, 모델이 영상을 처리할 때 이미지와는 구별되는 별도의 인자를 사용할 수 있도록 합니다. 또한 원본 비디오 데이터와 모델 사이의 다리 역할을 하며, 입력 특징값들이 VLM에 최적화되도록 보장합니다. 
 
-Hugging Face [Hub](https://hf.co) 또는 로컬 디렉터리에 있는 비디오 모델로부터 비디오 프로세서 구성(이미지 크기, 정규화 및 리스케일 여부 등)을 로드하려면 [`~BaseVideoProcessor.from_pretrained`]를 사용하세요. 각 사전 학습된 모델의 구성은 [video_preprocessor_config.json] 파일에 저장되어야 하지만, 이전 모델은 구성이 [preprocessor_config.json](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf/blob/main/preprocessor_config.json) 파일에 저장되어 있을 수 있습니다. 후자는 권장되지 않으며 향후 제거될 예정입니다.
+[`~BaseVideoProcessor.from_pretrained`]를 사용하면 Hugging Face [Hub](https://hf.co) 또는 로컬 디렉토리에 있는 비디오 모델로부터 비디오 프로세서 설정(이미지 크기, 정규화 및 리스케일 여부 등)을 불러올 수 있습니다. 각 사전 학습된 모델의 설정은 [video_preprocessor_config.json] 파일에 저장되어야 하지만, 일부 오래된 모델의 경우 [preprocessor_config.json](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf/blob/main/preprocessor_config.json) 파일에 저장되어 있을 수도 있습니다. 후자의 경우는 권장되지 않으며 향후 제거될 예정입니다.
 
 ### 사용 예시[[usage-example]]
 
@@ -32,9 +32,9 @@ from transformers import AutoVideoProcessor
 processor = AutoVideoProcessor.from_pretrained("llava-hf/llava-onevision-qwen2-0.5b-ov-hf")
 ```
 
-현재, 비디오에 기본 이미지 프로세서를 사용하면, 각 프레임을 개별 이미지로 간주하고 프레임 단위로 변환을 적용하여 비디오 데이터를 처리합니다. 이는 충분히 동작은 하지만 효율이 높지 않습니다. `AutoVideoProcessor`를 사용하면 [torchvision](https://pytorch.org/vision/stable/index.html) 라이브러리를 활용하는 **fast video processors**의 이점을 누릴 수 있습니다. Fast 프로세서는 각 비디오나 프레임을 순회하지 않고 비디오 배치를 한 번에 처리합니다. 이러한 개선은 GPU 가속을 도입해, 특히 높은 처리량이 필요한 작업에서 처리 속도를 크게 향상시킵니다.
+현재 비디오에 기본 이미지 프로세서를 사용할 경우, 비디오 데이터를 각 프레임마다 개별 이미지로 처리하여 변환을 적용합니다. 이 방식은 충분히 동작하긴 하지만 효율성이 높지 않습니다. 이 대신 `AutoVideoProcessor`를 사용하면 [torchvision](https://pytorch.org/vision/stable/index.html) 라이브러리를 활용한 **fast video processors**의 이점을 누릴 수 있습니다. Fast 프로세서는 각 비디오나 프레임을 하나씩 처리하지 않고, 전체 비디오 배치를 한 번에 처리합니다. 이는 GPU 가속을 도입하며, 특히 높은 처리량이 필요한 작업에서 처리 속도를 크게 향상시킵니다.
 
-Fast video processors는 모든 모델에서 사용할 수 있으며 `AutoVideoProcessor`를 초기화하면 기본으로 로드됩니다. Fast video processors를 사용할 때는 처리 대상 디바이스를 지정하기 위해 `device` 인자를 설정할 수도 있습니다. 입력이 텐서라면 기본적으로 입력과 동일한 디바이스 혹은 CPU에서 처리가 수행됩니다. 추가적인 속도 향상을 위해 디바이스로 'cuda'를 사용할 때 프로세서를 컴파일할 수 있습니다.
+Fast video processors는 모든 모델에서 사용할 수 있으며 `AutoVideoProcessor`가 초기화될 때 같이 로드됩니다. Fast video processors를 사용할 때는 `device` 인자를 설정하여 어떤 장치에서 처리를 수행할지 지정할 수 있습니다. 텐서를 입력으로 하는 경우, 기본적으로 입력과 동일한 장치에서 처리되며, 그렇지 않은 경우 CPU에서 처리됩니다. 장치로 'cuda'를 사용하는 경우, 추가적인 속도 향상을 위해 프로세서를 컴파일하여 사용할 수 있습니다.
 
 ```python
 import torch

From cb7137778db934f8bc593a30c5ba7f7def4671fe Mon Sep 17 00:00:00 2001
From: AhnJoonSung <tjdtna01@naver.com>
Date: Sat, 20 Sep 2025 17:21:56 +0900
Subject: [PATCH 4/8] fix: spelling

---
 docs/source/ko/video_processors.md | 8 ++++----
 1 file changed, 4 insertions(+), 4 deletions(-)

diff --git a/docs/source/ko/video_processors.md b/docs/source/ko/video_processors.md
index 9cb5c8eb2421..535cd4dda950 100644
--- a/docs/source/ko/video_processors.md
+++ b/docs/source/ko/video_processors.md
@@ -16,11 +16,11 @@ rendered properly in your Markdown viewer.
 
 # 비디오 프로세서[[video-processor]]
 
-**Video Processor**는 비디오 모델의 입력으로 사용될 특징값들을 준비하고, 모델 출력의 후처리를 지원하는 유틸리티입니다. 크기 조정, 정규화, PyTorch 텐서 변환 등의 기능을 제공합니다.
+**Video Processor**는 비디오 모델의 입력으로 사용될 특징 값들을 준비하고, 모델 출력의 후처리를 지원하는 유틸리티입니다. 크기 조정, 정규화, PyTorch 텐서 변환 등의 기능을 제공합니다.
 
-비디오 프로세서는 이미지 프로세서의 기능을 확장하여, 모델이 영상을 처리할 때 이미지와는 구별되는 별도의 인자를 사용할 수 있도록 합니다. 또한 원본 비디오 데이터와 모델 사이의 다리 역할을 하며, 입력 특징값들이 VLM에 최적화되도록 보장합니다. 
+비디오 프로세서는 이미지 프로세서의 기능을 확장하여, 모델이 영상을 처리할 때 이미지와는 구별되는 별도의 인자를 사용할 수 있도록 합니다. 또한 원본 비디오 데이터와 모델 사이의 다리 역할을 하며, 입력 특징 값들이 VLM에 최적화되도록 보장합니다. 
 
-[`~BaseVideoProcessor.from_pretrained`]를 사용하면 Hugging Face [Hub](https://hf.co) 또는 로컬 디렉토리에 있는 비디오 모델로부터 비디오 프로세서 설정(이미지 크기, 정규화 및 리스케일 여부 등)을 불러올 수 있습니다. 각 사전 학습된 모델의 설정은 [video_preprocessor_config.json] 파일에 저장되어야 하지만, 일부 오래된 모델의 경우 [preprocessor_config.json](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf/blob/main/preprocessor_config.json) 파일에 저장되어 있을 수도 있습니다. 후자의 경우는 권장되지 않으며 향후 제거될 예정입니다.
+[`~BaseVideoProcessor.from_pretrained`]를 사용하면 Hugging Face [Hub](https://hf.co) 또는 로컬 디렉터리에 있는 비디오 모델로부터 비디오 프로세서 설정(이미지 크기, 정규화 및 리스케일 여부 등)을 불러올 수 있습니다. 각 사전 학습된 모델의 설정은 [video_preprocessor_config.json] 파일에 저장되어야 하지만, 일부 오래된 모델의 경우 [preprocessor_config.json](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf/blob/main/preprocessor_config.json) 파일에 저장되어 있을 수도 있습니다. 후자의 경우는 권장되지 않으며 향후 제거될 예정입니다.
 
 ### 사용 예시[[usage-example]]
 
@@ -32,7 +32,7 @@ from transformers import AutoVideoProcessor
 processor = AutoVideoProcessor.from_pretrained("llava-hf/llava-onevision-qwen2-0.5b-ov-hf")
 ```
 
-현재 비디오에 기본 이미지 프로세서를 사용할 경우, 비디오 데이터를 각 프레임마다 개별 이미지로 처리하여 변환을 적용합니다. 이 방식은 충분히 동작하긴 하지만 효율성이 높지 않습니다. 이 대신 `AutoVideoProcessor`를 사용하면 [torchvision](https://pytorch.org/vision/stable/index.html) 라이브러리를 활용한 **fast video processors**의 이점을 누릴 수 있습니다. Fast 프로세서는 각 비디오나 프레임을 하나씩 처리하지 않고, 전체 비디오 배치를 한 번에 처리합니다. 이는 GPU 가속을 도입하며, 특히 높은 처리량이 필요한 작업에서 처리 속도를 크게 향상시킵니다.
+현재 비디오에 기본 이미지 프로세서를 사용할 경우, 비디오 데이터를 각 프레임마다 개별 이미지로 처리하여 변환을 적용합니다. 이 방식도 충분히 동작하긴 하지만 효율이 좋지 않습니다. 이 대신 `AutoVideoProcessor`를 사용하면 [torchvision](https://pytorch.org/vision/stable/index.html) 라이브러리를 활용한 **fast video processors**의 이점을 누릴 수 있습니다. Fast 프로세서는 각 비디오나 프레임을 하나씩 처리하지 않고, 전체 비디오 배치를 한 번에 처리합니다. 이는 GPU 가속을 도입하며, 특히 높은 처리량이 필요한 작업에서 처리 속도를 크게 향상시킵니다.
 
 Fast video processors는 모든 모델에서 사용할 수 있으며 `AutoVideoProcessor`가 초기화될 때 같이 로드됩니다. Fast video processors를 사용할 때는 `device` 인자를 설정하여 어떤 장치에서 처리를 수행할지 지정할 수 있습니다. 텐서를 입력으로 하는 경우, 기본적으로 입력과 동일한 장치에서 처리되며, 그렇지 않은 경우 CPU에서 처리됩니다. 장치로 'cuda'를 사용하는 경우, 추가적인 속도 향상을 위해 프로세서를 컴파일하여 사용할 수 있습니다.
 

From 0852d10b11a67997ff4cdf2bd38d0df957fc80a6 Mon Sep 17 00:00:00 2001
From: AhnJoonSung <tjdtna01@naver.com>
Date: Thu, 9 Oct 2025 17:44:01 +0900
Subject: [PATCH 5/8] fix: Use original terms and refine awkward expressions

---
 docs/source/ko/video_processors.md | 6 +++---
 1 file changed, 3 insertions(+), 3 deletions(-)

diff --git a/docs/source/ko/video_processors.md b/docs/source/ko/video_processors.md
index 535cd4dda950..0a7d1fe1f8b1 100644
--- a/docs/source/ko/video_processors.md
+++ b/docs/source/ko/video_processors.md
@@ -18,7 +18,7 @@ rendered properly in your Markdown viewer.
 
 **Video Processor**는 비디오 모델의 입력으로 사용될 특징 값들을 준비하고, 모델 출력의 후처리를 지원하는 유틸리티입니다. 크기 조정, 정규화, PyTorch 텐서 변환 등의 기능을 제공합니다.
 
-비디오 프로세서는 이미지 프로세서의 기능을 확장하여, 모델이 영상을 처리할 때 이미지와는 구별되는 별도의 인자를 사용할 수 있도록 합니다. 또한 원본 비디오 데이터와 모델 사이의 다리 역할을 하며, 입력 특징 값들이 VLM에 최적화되도록 보장합니다. 
+비디오 프로세서는 이미지 프로세서의 기능을 확장하여, 모델이 영상을 처리할 때 이미지와는 구별되는 별도의 인수를 사용할 수 있도록 합니다. 또한 원본 비디오 데이터와 모델 사이를 연결하는 역할을 하며, 입력 특징 값들이 VLM에 최적화되도록 보장합니다. 
 
 [`~BaseVideoProcessor.from_pretrained`]를 사용하면 Hugging Face [Hub](https://hf.co) 또는 로컬 디렉터리에 있는 비디오 모델로부터 비디오 프로세서 설정(이미지 크기, 정규화 및 리스케일 여부 등)을 불러올 수 있습니다. 각 사전 학습된 모델의 설정은 [video_preprocessor_config.json] 파일에 저장되어야 하지만, 일부 오래된 모델의 경우 [preprocessor_config.json](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf/blob/main/preprocessor_config.json) 파일에 저장되어 있을 수도 있습니다. 후자의 경우는 권장되지 않으며 향후 제거될 예정입니다.
 
@@ -32,9 +32,9 @@ from transformers import AutoVideoProcessor
 processor = AutoVideoProcessor.from_pretrained("llava-hf/llava-onevision-qwen2-0.5b-ov-hf")
 ```
 
-현재 비디오에 기본 이미지 프로세서를 사용할 경우, 비디오 데이터를 각 프레임마다 개별 이미지로 처리하여 변환을 적용합니다. 이 방식도 충분히 동작하긴 하지만 효율이 좋지 않습니다. 이 대신 `AutoVideoProcessor`를 사용하면 [torchvision](https://pytorch.org/vision/stable/index.html) 라이브러리를 활용한 **fast video processors**의 이점을 누릴 수 있습니다. Fast 프로세서는 각 비디오나 프레임을 하나씩 처리하지 않고, 전체 비디오 배치를 한 번에 처리합니다. 이는 GPU 가속을 도입하며, 특히 높은 처리량이 필요한 작업에서 처리 속도를 크게 향상시킵니다.
+현재 비디오에 기본 이미지 프로세서를 사용할 경우, 비디오 데이터를 각 프레임마다 개별 이미지로 처리하여 변환을 적용합니다. 이 방식도 잘 동작하긴 하지만 효율이 좋지 않습니다. 이 대신 `AutoVideoProcessor`를 사용하면 [torchvision](https://pytorch.org/vision/stable/index.html) 라이브러리를 활용한 **fast video processors**의 이점을 누릴 수 있습니다. Fast processors는 각 비디오나 프레임을 하나씩 처리하지 않고, 전체 비디오 배치를 한 번에 처리합니다. 이는 GPU 가속을 도입하며, 특히 높은 처리량이 필요한 작업에서 처리 속도를 크게 향상시킵니다.
 
-Fast video processors는 모든 모델에서 사용할 수 있으며 `AutoVideoProcessor`가 초기화될 때 같이 로드됩니다. Fast video processors를 사용할 때는 `device` 인자를 설정하여 어떤 장치에서 처리를 수행할지 지정할 수 있습니다. 텐서를 입력으로 하는 경우, 기본적으로 입력과 동일한 장치에서 처리되며, 그렇지 않은 경우 CPU에서 처리됩니다. 장치로 'cuda'를 사용하는 경우, 추가적인 속도 향상을 위해 프로세서를 컴파일하여 사용할 수 있습니다.
+Fast video processors는 모든 모델에서 사용할 수 있으며 `AutoVideoProcessor`가 초기화될 때 같이 로드됩니다. Fast video processors를 사용할 때는 `device` 인수를 설정하여 어떤 장치에서 처리를 수행할지 지정할 수 있습니다. 텐서를 입력으로 하는 경우, 기본적으로 입력과 동일한 장치에서 처리되며, 그렇지 않은 경우 CPU에서 처리됩니다. 장치로 'cuda'를 사용하는 경우, 추가적인 속도 향상을 위해 프로세서를 컴파일하여 사용할 수 있습니다.
 
 ```python
 import torch

From ba6cf456dd7616c152f360b583881d33011737c1 Mon Sep 17 00:00:00 2001
From: AhnJoonSung <tjdtna01@naver.com>
Date: Thu, 9 Oct 2025 17:47:06 +0900
Subject: [PATCH 6/8] fix: Align with glossary terminology

---
 docs/source/ko/video_processors.md | 4 ++--
 1 file changed, 2 insertions(+), 2 deletions(-)

diff --git a/docs/source/ko/video_processors.md b/docs/source/ko/video_processors.md
index 0a7d1fe1f8b1..d77401e29131 100644
--- a/docs/source/ko/video_processors.md
+++ b/docs/source/ko/video_processors.md
@@ -16,9 +16,9 @@ rendered properly in your Markdown viewer.
 
 # 비디오 프로세서[[video-processor]]
 
-**Video Processor**는 비디오 모델의 입력으로 사용될 특징 값들을 준비하고, 모델 출력의 후처리를 지원하는 유틸리티입니다. 크기 조정, 정규화, PyTorch 텐서 변환 등의 기능을 제공합니다.
+**Video Processor**는 비디오 모델의 입력으로 사용될 특성 값들을 준비하고, 모델 출력의 후처리를 지원하는 유틸리티입니다. 크기 조정, 정규화, PyTorch 텐서 변환 등의 기능을 제공합니다.
 
-비디오 프로세서는 이미지 프로세서의 기능을 확장하여, 모델이 영상을 처리할 때 이미지와는 구별되는 별도의 인수를 사용할 수 있도록 합니다. 또한 원본 비디오 데이터와 모델 사이를 연결하는 역할을 하며, 입력 특징 값들이 VLM에 최적화되도록 보장합니다. 
+비디오 프로세서는 이미지 프로세서의 기능을 확장하여, 모델이 영상을 처리할 때 이미지와는 구별되는 별도의 인수를 사용할 수 있도록 합니다. 또한 원본 비디오 데이터와 모델 사이를 연결하는 역할을 하며, 입력 특성 값들이 VLM에 최적화되도록 보장합니다. 
 
 [`~BaseVideoProcessor.from_pretrained`]를 사용하면 Hugging Face [Hub](https://hf.co) 또는 로컬 디렉터리에 있는 비디오 모델로부터 비디오 프로세서 설정(이미지 크기, 정규화 및 리스케일 여부 등)을 불러올 수 있습니다. 각 사전 학습된 모델의 설정은 [video_preprocessor_config.json] 파일에 저장되어야 하지만, 일부 오래된 모델의 경우 [preprocessor_config.json](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf/blob/main/preprocessor_config.json) 파일에 저장되어 있을 수도 있습니다. 후자의 경우는 권장되지 않으며 향후 제거될 예정입니다.
 

From e3bdb0ed7ac496ef433562fbf7cfc045f6716eae Mon Sep 17 00:00:00 2001
From: AhnJoonSung <tjdtna01@naver.com>
Date: Fri, 10 Oct 2025 09:24:12 +0900
Subject: [PATCH 7/8] fix: Make sentence more natural

---
 docs/source/ko/video_processors.md | 2 +-
 1 file changed, 1 insertion(+), 1 deletion(-)

diff --git a/docs/source/ko/video_processors.md b/docs/source/ko/video_processors.md
index d77401e29131..b13636fa38ed 100644
--- a/docs/source/ko/video_processors.md
+++ b/docs/source/ko/video_processors.md
@@ -32,7 +32,7 @@ from transformers import AutoVideoProcessor
 processor = AutoVideoProcessor.from_pretrained("llava-hf/llava-onevision-qwen2-0.5b-ov-hf")
 ```
 
-현재 비디오에 기본 이미지 프로세서를 사용할 경우, 비디오 데이터를 각 프레임마다 개별 이미지로 처리하여 변환을 적용합니다. 이 방식도 잘 동작하긴 하지만 효율이 좋지 않습니다. 이 대신 `AutoVideoProcessor`를 사용하면 [torchvision](https://pytorch.org/vision/stable/index.html) 라이브러리를 활용한 **fast video processors**의 이점을 누릴 수 있습니다. Fast processors는 각 비디오나 프레임을 하나씩 처리하지 않고, 전체 비디오 배치를 한 번에 처리합니다. 이는 GPU 가속을 도입하며, 특히 높은 처리량이 필요한 작업에서 처리 속도를 크게 향상시킵니다.
+현재 비디오에 기본 이미지 프로세서를 사용할 경우, 비디오 데이터의 각 프레임이 개별 이미지로 처리되어 변환이 적용됩니다. 이 방식도 잘 동작하긴 하지만 효율이 좋지 않습니다. 이 대신 `AutoVideoProcessor`를 사용하면 [torchvision](https://pytorch.org/vision/stable/index.html) 라이브러리를 활용한 **fast video processors**의 이점을 누릴 수 있습니다. Fast processors는 각 비디오나 프레임을 하나씩 처리하지 않고, 전체 비디오 배치를 한 번에 처리합니다. 이는 GPU 가속을 도입하며, 특히 높은 처리량이 필요한 작업에서 처리 속도를 크게 향상시킵니다.
 
 Fast video processors는 모든 모델에서 사용할 수 있으며 `AutoVideoProcessor`가 초기화될 때 같이 로드됩니다. Fast video processors를 사용할 때는 `device` 인수를 설정하여 어떤 장치에서 처리를 수행할지 지정할 수 있습니다. 텐서를 입력으로 하는 경우, 기본적으로 입력과 동일한 장치에서 처리되며, 그렇지 않은 경우 CPU에서 처리됩니다. 장치로 'cuda'를 사용하는 경우, 추가적인 속도 향상을 위해 프로세서를 컴파일하여 사용할 수 있습니다.
 

From 003ff7171a9540c0088e28fcae9aedcd48f7c5eb Mon Sep 17 00:00:00 2001
From: AhnJoonSung <tjdtna01@naver.com>
Date: Sun, 12 Oct 2025 17:01:57 +0900
Subject: [PATCH 8/8] fix: manual edits

---
 docs/source/ko/video_processors.md | 6 +++---
 1 file changed, 3 insertions(+), 3 deletions(-)

diff --git a/docs/source/ko/video_processors.md b/docs/source/ko/video_processors.md
index b13636fa38ed..a71f12b895fe 100644
--- a/docs/source/ko/video_processors.md
+++ b/docs/source/ko/video_processors.md
@@ -16,15 +16,15 @@ rendered properly in your Markdown viewer.
 
 # 비디오 프로세서[[video-processor]]
 
-**Video Processor**는 비디오 모델의 입력으로 사용될 특성 값들을 준비하고, 모델 출력의 후처리를 지원하는 유틸리티입니다. 크기 조정, 정규화, PyTorch 텐서 변환 등의 기능을 제공합니다.
+**비디오 프로세서(Video Processor)**는 비디오 모델의 입력으로 사용될 특성 값들을 준비하고, 모델 출력의 후처리를 지원하는 유틸리티입니다. 크기 조정, 정규화, PyTorch 텐서 변환 등의 기능을 제공합니다.
 
-비디오 프로세서는 이미지 프로세서의 기능을 확장하여, 모델이 영상을 처리할 때 이미지와는 구별되는 별도의 인수를 사용할 수 있도록 합니다. 또한 원본 비디오 데이터와 모델 사이를 연결하는 역할을 하며, 입력 특성 값들이 VLM에 최적화되도록 보장합니다. 
+비디오 프로세서는 이미지 프로세서의 기능을 확장하여, 모델이 영상을 처리할 때 이미지와는 구별되는 별도의 인수를 사용할 수 있도록 합니다. 또한 원본 비디오 데이터와 모델 사이를 연결하는 역할을 하며, 입력 특성 값들이 VLM에 최적화되도록 보장합니다.
 
 [`~BaseVideoProcessor.from_pretrained`]를 사용하면 Hugging Face [Hub](https://hf.co) 또는 로컬 디렉터리에 있는 비디오 모델로부터 비디오 프로세서 설정(이미지 크기, 정규화 및 리스케일 여부 등)을 불러올 수 있습니다. 각 사전 학습된 모델의 설정은 [video_preprocessor_config.json] 파일에 저장되어야 하지만, 일부 오래된 모델의 경우 [preprocessor_config.json](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf/blob/main/preprocessor_config.json) 파일에 저장되어 있을 수도 있습니다. 후자의 경우는 권장되지 않으며 향후 제거될 예정입니다.
 
 ### 사용 예시[[usage-example]]
 
-다음은 [`llava-hf/llava-onevision-qwen2-0.5b-ov-hf`](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf) 모델과 함께 비디오 프로세서를 로드하는 예시입니다:
+다음은 [`llava-hf/llava-onevision-qwen2-0.5b-ov-hf`](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf) 모델과 함께 비디오 프로세서를 로드하는 예시입니다.
 
 ```python
 from transformers import AutoVideoProcessor