효율적인 텍스트 관련 이미지 패치 선택을 통한 비전-언어 사전 학습

텍스트 정보를 활용하여 중요한 이미지 패치를 선별하고 불필요한 패치를 융합함으로써 비전-언어 사전 학습 모델의 효율성을 높이는 방법을 제안한다.