（来源：上观新闻）
可以把每个📒令牌理解♓💛为一个"标🎅🇧🇻签贴纸"👩🎤🔁，系统会为🥍图片中的😟💥每个区域随机分💋🎐配一个这样的🇯🇲贴纸，然后把贴😷纸和区域🆗的形状信息相结合🌏🇭🇺，再与图🇦🇽像的深👩🍕层特征融◾🇮🇩合，从而🏕为每个区域生成👩👩👧一个"个性化"🥈👨🎓的特征🧯表示📎🥘。
大部分公司还👩🦲在卷单 A🔶🏬gent 🛳的能力🧬🛷。这避免了信息☦网站推广在反复"传话"🥕⛓中失真或丢失🐍🏴，使每轮工🤮📨作都能真正建立🇵🇪🙇在之前积累的基💹🇮🇳础上🥋。研究团🕠🍻队使用了一个名为🇹🇬 DINOv2 👨⚕️的预训练视觉模型🔭🏚（可以把它理解为🇷🇪一个经🐡过大量图🎞片训练的🎳"看图专家"👩🌾🔒），将输入的两🇯🇪🌤张图片🏉🇫🇯分别转换为🚦包含丰富视觉🍻🎽信息的📰特征矩阵☣。
