시간 위치 인코딩
청크 내 프레임 인덱스(0..T-1)에 대해 학습된 절대 시간 임베딩을 추가하여 동일한 공간적 포지셔널 임베딩을 유지하면서 프레임 순서를 구별하도록 하는 방식이다. 시공간 어텐션이 순서를 구분해 모션을 포착할 수 있게 만든다.
