24:00, 전체를 보면 다음과 같은 과정임을 알 수 있다. 원시 이미지가 아래에서 들어오고, 카메라 캘리브레이션 레이어를 통해 rectification 되고 가상 카메라가 되고, RegNet 과 Residual 을 통해 multi scale feature 을 추출하고, BiFPN 으로 multi scale feature 을 잘 혼합하고, Transformer 모듈을 통해 벡터공간으로 투사되는데, 이것들은 feature queue 로 보내지고, Spatial RNN 같은 비디오모듈에 의해 처리되고, hydranet 과 같은 태스크로 이어진다. 그림에서 위쪽은 벡터공간 예측이고, 아래쪽은 이미지공간상의 예측이다.