ViT-Tiny
Vision Transformer의 경량 변형으로 패치 크기 16×16을 사용해 적은 파라미터로 이미지의 기하학적 특징을 추출한다. 본문에서는 촉각 접촉 이미지에서 기하학 특성을 뽑는 촉각 프론트엔드로 ViT-Tiny를 사용해 파라미터 부담을 낮추었다. 추출된 특징은 MLP 프로젝터를 거쳐 LLM의 임베딩 공간으로 매핑된다.