전이 수준 Q-Former
인접한 잠복 상태 쌍을 jointly attend하여 시간 구간별 전이 특징을 추출하는 쿼리 기반 모듈입니다. 각 인접 프레임 쌍마다 공유된 M개의 학습 가능 쿼리를 사용해 지역적 시간 유도바이어스를 부여합니다. 이렇게 얻은 전이 특징이 FSQ로 양자화되어 물리 언어 토큰으로 변환됩니다.
