본 논문은 다중 모달 모델의 기반인 교차 모달 임베딩 시각화를 위한 새로운 차원 축소 기법 AKRMap을 제안합니다. 기존의 PCA나 t-SNE와 같은 차원 축소 기법은 단일 모달 내 특징 분포에만 초점을 맞추는 반면, AKRMap은 CLIPScore와 같은 다중 모달 지표를 통합하여 교차 모달 임베딩 지표를 보다 정확하게 시각화합니다. AKRMap은 투영 공간에서 지표 지형의 커널 회귀를 학습하는 지도 학습 기반 투영 네트워크를 구축하고, 투영과 함께 최적화 가능한 적응적 일반화된 커널을 사용합니다. 이를 통해 복잡한 지표 분포를 포착하는 시각화를 효율적으로 생성하고, 확대/축소 및 오버레이와 같은 대화형 기능도 지원합니다. 정량적 실험을 통해 AKRMap이 기존 차원 축소 기법보다 더 정확하고 신뢰할 수 있는 시각화를 생성함을 보여주며, 텍스트-이미지 모델의 교차 모달 임베딩 시각화 및 비교에 AKRMap의 효과를 보여줍니다.
