얻을만한 아이디어

• 없음

Contribution

• Moment-DETR, UMT 직후의 논문으로 간단히 인코더만 업데이트하였음. (Moment-DETR에서 인코더만 살짝 업데이트하였음)
• Video/Text 인코더에서는 Poolformer(Pooling + FFN) 방식을 사용
• Moment-DETR처럼 단순히 concat해서 self-attention하지 않고 cross-attention 적절히 사용했음

특이점

• 없음

전체 아키텍쳐