병렬 RGB–깊이 생성
RGB 이미지와 깊이 맵을 VAE 잠재 토큰 수준에서 이어붙여(토큰 합치기) 동시에 생성하도록 학습하는 전략이다. 각 모달리티에 대해 별도의 플로우 매칭 손실을 적용하고 3D RoPE 위치 오프셋으로 토큰을 분리하여 RGB와 깊이 표현이 충돌하지 않게 한다. 파노라마의 구면 기하를 반영한 공간적 이해와 장면 구조 일관성을 향상시키는 주요 요소이다.
