모션 인코더
광류로부터 생성한 시간축의 의사 이미지 시퀀스를 입력받아 모션 토큰을 출력하는 ViT 기반 인코더를 의미한다. 이 인코더는 방향성, 속도 변화, 관측자(viewpoint) 이동 정보를 포착한 토큰을 생성하여 시각적 외형 토큰과 정렬 및 결합된다. 결합된 표현은 자기 상태와 공간 문맥을 동시에 반영하는 데 사용된다.
