CNNとLSTMをTrimedistributedで結合する場合のcross validationについて

Question

前提・実現したいこと

CNNとLSTMをTrimedistributedで結合したmodelを作成したのですが、
この場合にCNN単独で画像をinputする場合と異なり、inputにframe数が入ってくると思うのですが、おそらくこれによりscikit-learnのkfoldなどcross varidationを入れようとしてもerrorが出てしまいます。

Timidistributedで結合する場合にcross varidationを行う手法はあるのでしょうか。

また、同様にKerasのImageDataGeneratorなどのData augumentationもこういった場合に適用できるものはありますでしょうか。