Hita는 기존 자기회귀 이미지 생성 모델의 한계를 극복하기 위해 제안된 새로운 이미지 토크나이저입니다. 기존 모델들은 토큰을 순차적으로 생성하면서 전체적인 관계를 포착하는 데 어려움을 겪고, 지역적인 패치 정보에 의존하여 전역 정보를 제한적으로 활용하는 문제가 있습니다. Hita는 학습 가능한 전체적 쿼리와 지역적 패치 토큰을 사용하는 전체-지역 토크나이즈 방식을 도입하여 이러한 문제를 해결합니다. 전체적 토큰을 먼저 배치하고, 그 뒤에 패치 토큰을 배치하는 순차 구조와 인과적 어텐션을 사용하여 이전 토큰에 대한 인지를 유지하고, 경량 융합 모듈을 통해 정보 흐름을 제어하고 전체적 토큰의 우선순위를 높입니다. ImageNet 벤치마크에서 FID 2.59, IS 281.9를 달성하며 기존 토크나이저보다 우수한 성능을 보였고, 훈련 속도도 향상시켰습니다. 또한 제로샷 스타일 전이와 이미지 인페인팅에서도 효과적임을 보였습니다.
