이미지→텍스트 어텐션
joint attention 행렬을 텍스트·이미지 쿼리/키로 분할했을 때 이미지 쿼리들이 텍스트 키로 향하는 블록을 의미하며, 본 논문은 이 블록의 질량 분포를 통해 템플릿 토큰의 영향력을 측정했다.
