연구진은 이미지와 텍스트의 정보 비대칭성을 고려한 AspectCLIP 프레임워크를 제안했어요. AspectCLIP은 텍스트 유사성을 기반으로 학습 데이터를 속성 클러스터로 분할하여 이미지-텍스트 간 일관성을 정규화해요.
각 클러스터 내에서 완전한 순환 일관성을 적용하고, 클러스터 간 정규화는 프로토타입 수준 비교로 제한하여 이미지와 텍스트가 일관된 측면을 설명할 때만 엄격한 정렬을 강제해요.
다운스트림 작업 실험 결과, AspectCLIP은 기존 방법보다 성능이 뛰어나고 더 구조화된 표현 공간을 달성했어요.