본 논문은 현실 세계의 시각적 데이터가 시간의 흐름에 따라 변화하는 동적인 특성을 고려하여, 기존의 정적 분류기에 시간적 추론 능력을 부여하는 간단하고 효과적인 프레임워크를 제안합니다. 모델 아키텍처나 순환 모듈을 변경하지 않고, Support-Exemplar-Query (SEQ) 학습 패러다임을 통해 시간적으로 일관된 궤적을 구성하여 클래스별 시간적 프로토타입을 학습하고 예측 시퀀스를 정렬합니다. 또한, 다중 항 목적 함수를 사용하여 의미론적 일관성과 시간적 매끄러움을 촉진합니다. 이 방법은 정적 및 시간적 작업 모두에서 성능을 향상시키며, 사전 추출된 특징 위에 간단한 분류기를 사용하여 모듈식이며 데이터 효율적인 방식으로 정적 및 시간적 학습을 연결합니다.
