융합 토큰
교차-뷰 정보 교환을 위해 생성되는 소형 토큰으로, 한 뷰의 요약된 상호 정보를 다른 뷰의 토큰 시퀀스에 삽입하여 이후 레이어에서 함께 정제되게 만드는 구조이다. 이 토큰은 cross-attention의 출력을 평균 풀링으로 요약한 벡터로 생성되어 원래의 시퀀스 앞에 삽입되며, 계층적으로 보완적 특징을 전파하는 매개체 역할을 한다. 논문에서는 직접적 특징 합성 대신 fusion token을 사용해 뷰별 구조를 보존하면서 명시적인 뷰간 의존성을 유지하였다.