correspondence-mask

이미지 토큰과 텍스트 토큰 간의 어텐션을 제어하기 위해 구성된 행렬로, 특정 이미지 토큰이 오직 대응되는 텍스트 토큰만 참조하게 만드는 역할을 한다. 논문에서는 refined instance mask와 텍스트 토큰 집합을 이용해 M을 구성하고 log(M)을 어텐션 점수에 더해 관련 없는 상호작용을 억제했다. 이 기법은 인스턴스 수준의 강한 바인딩과 속성 혼동 감소에 직접 기여한다.