비디오와 오디오 데이터를 효율적으로 처리하고 통합하는 멀티모달 자기회귀 모델 Mirasol3B

비디오와 오디오 데이터를 시간 정렬된 모달리티로 처리하고, 문맥 정보를 별도의 자기회귀 모델로 처리하여 효율적이고 확장 가능한 멀티모달 모델을 제안한다.