该研究旨在发现和定位图像序列中的单调时间变化，并成功通过对乱序图像序列进行排序，利用时间作为监督信号实现了该目标。该模型在多种视频场景和对象类型中应用，并证明了基于注意力的归因图作为有效的提示用于分割变化区域。该模型在对图像集进行排序的标准基准上达到了业界最高水平。