글로벌·로컬 시각 표현
글로벌 표현은 이미지 전체의 요약 정보를, 로컬 표현은 패치나 영역 수준의 상세 정보를 의미한다. 두 수준의 표현을 동시에 활용하면 전체 맥락과 세부 특징을 동시에 반영해 시각-언어 정합성을 높일 수 있다. LLaViT는 글로벌과 로컬 표현을 모두 도입해 표현력을 확장했다.
