시각적 추론 토큰
시각적 추론 토큰은 DiT 계열 비디오 생성기의 시각 토큰 시퀀스에 학습 가능한 보조 토큰을 앞에 붙여 self-attention을 통해 전체 영상 잠재에서 추론 상태를 수집·분배하도록 설계된 메커니즘이다. 이 토큰은 시각 토큰과 양방향 상호작용을 하므로 프레임 간 전역적 계획과 국소적 시각 신호를 결합하여 경로·운동·구조 정보를 내재화한다. 실무에서는 vt가 경계 상태 고정과 최종 결과 결정을 돕는 것으로 관찰되었다.
