一种新的多帧特征聚合方式，更充分的对每帧进行增强；建模当前帧与其他帧的关系权重
GitHub - goodproj13/TF-Blender
Despite achieving improvements in detection, existing methods focus on the selection of higher-level video frames for aggregation rather than modeling lower-level temporal relations to increase the feature representation.
三个步骤：
- 建模当前帧与每个辅助帧的时序关系；
- 建模每个辅助帧与其他辅助帧的关系以增强该辅助帧；
- 组合上述结果进行特征聚合
感觉有点工程化，充分建模各种相关关系；称为“Temporal Relation”