연구진은 디퓨전 트랜스포머(DiT) 내부의 작동 방식을 분석하는 새로운 해석 프레임워크를 개발했어요. 프롬프트와 이미지 토큰을 함께 처리하는 DiT에서 템플릿 토큰은 이미지-텍스트 간 주의 집중의 핵심 역할을 하며 객체 정체성을 유지해요. 프롬프트 의미가 이미지 잠재 공간에 주입된 후 템플릿 토큰으로 다시 읽히는 방식으로 객체 정체성이 간접적으로 획득돼요.