연구진이 음악 악보 이해를 위한 기초 비전 모델인 MuSViT(Music Score Vision Transformer)를 공개했어요. MuSViT는 970만 페이지의 악보 데이터로 사전 훈련되었으며, 악보 인식, 기호 검출, 난이도 분류 등 다양한 작업에서 기존 비전 인코더를 능가하는 성능을 보여줬어요. MuSViT는 기존 인코더와 달리 악보의 기호적 구조를 직접적으로 표현하며, 임베딩-음악 문자 변환 일관성 분석을 통해 이를 입증했어요.