RayRoPE: Multi-View Attention을 위한 투영 레이(Ray) 위치 인코딩

다중 뷰 트랜스포머(Multi-view Transformers)는 포즈(pose)가 지정된 일련의 입력 이미지로부터 토큰을 처리한다. 기존의 절대적(absolute) 또는 상대적(relative) 위치 인코딩 방식은 패치를 고유하게 인코딩하면서도 SE(3)-invariant attention을 구현하고, 장면의 기하학적 구조에 적응하는 데 한계가 있다.

이를 해결하기 위해 제안된 RayRoPE는 패치 위치를 관련 **Ray(광선)**를 기반으로 표현한다. 특히 단순히 방향만을 사용하는 대신, 광선을 따라 예측된 **Point(점)**를 활용하여 기존 방식의 공백을 메운다.