패치-텍스트 정렬
이미지의 국소 부위인 패치와 그에 대응하는 텍스트 설명 간의 연관성을 정밀하게 매핑하는 기술이다. 기존 모델들이 이미지 전체의 의미는 잘 파악하지만 세부 객체와 단어를 연결하는 데 한계가 있었던 문제를 해결하여 제로샷 세그멘테이션 등의 성능을 높인다.