이미지-텍스트 정렬기
이미지와 텍스트 표현을 동일한 임베딩 공간으로 매핑해 유사도를 계산하는 모듈로, 본 논문에서는 그래프에서 생성한 텍스트와 합성 이미지 간의 의미적 일관성을 트레이닝 신호로 제공하는 역할을 한다.