• 점(points): 점 프롬프트는 이미지 내 특정 위치를 나타내는 데 사용됩니다. 위치 인코딩과 학습된 임베딩이 결합되어 생성됩니다. 이는 각 점의 공간적 위치 정보를 포착하며, 모델이 해당 위치에 집중할 수 있도록 합니다.

• 박스(boxes): 박스 프롬프트는 이미지 내 특정 영역을 지정하는 데 사용됩니다. 위치 인코딩과 학습된 임베딩의 결합을 통해 생성됩니다. 박스는 특정 영역의 위치와 범위 정보를 모델에 제공합니다.

• 텍스트(text): 텍스트 프롬프트는 자연어로 된 지시나 설명을 제공합니다. CLIP 모델의 출력을 활용합니다. CLIP은 텍스트와 이미지 사이의 관계를 학습한 모델로, 텍스트를 효과적으로 이미지 분석 작업에 연결할 수 있습니다.