오디오-이미지 시간적 일치에 대한 지식 전달 개선을 통한 오디오-텍스트 크로스 리트리벌

오디오-이미지 시간적 일치를 개선하여 오디오-텍스트 크로스 리트리벌 성능을 향상시킬 수 있다.