Q. 비디오에서 프레임 마다 Spatial information을 추출해 벡터 시퀀스로 만든 뒤, temporal한 정보를 고려해서 하나의 벡터로 aggregation 하거나 형태를 유지하면서 벡터시퀀스를 학습하는 방법을 찾고 있습니다. 비디오 도메인이 아니더라도 temporal한 정보를 학습하는 방법을 찾는 중인데, 추천해주실 만한 논문이 있을까요? A. 비디오는 temporal segment networks 보시면될것같은데요