Hita는 기존 자기회귀 이미지 생성 모델의 한계를 극복하기 위해 제안된 새로운 이미지 토크나이저입니다. 기존 모델들이 지역적 패치 기반의 토크나이징으로 전역 정보를 제한적으로 활용하는 문제를 해결하기 위해, 학습 가능한 전역 쿼리와 지역 패치 토큰을 사용하는 전역-지역 토크나이징 기법을 도입했습니다. 전역 토큰을 먼저 배치하고, 인과적 어텐션을 사용하여 이전 토큰 정보를 유지하며, 가벼운 융합 모듈을 통해 전역 토큰 정보의 우선순위를 제어함으로써 자기회귀 생성 과정과의 정합성을 높였습니다. ImageNet 벤치마크에서 FID 2.59, IS 281.9를 달성하며 기존 토크나이저 기반 모델보다 성능이 우수함을 보였고, 훈련 속도 또한 향상시켰습니다. 전역 표현은 질감, 재질, 형태와 같은 전역 이미지 특성을 포착하는 능력을 보였으며, 제로샷 스타일 전이 및 이미지 인페인팅에서도 효과적임을 확인했습니다. 코드는 깃허브에 공개되어 있습니다.
