Revisiting Temporal Modeling for Video-based Person ReID
图1：基于图像级特征提取器（通常是2dcnn）的三种时态建模架构（A: temporal pooling，B: RNN， C: temporal attention）。
对于RNN，使用最终隐藏状态或单元输出的平均值作为剪辑级表示；
对于时间注意，给出了两种类型的注意产生网络：“spatial conv + FC [12]” and “spatial conv + temporal conv"