영어로 학습된 그림 -> 텍스트 트랜스포머 모델 (비전 인코더/텍스트 디코더)이 있는데 이 똑같은 기능을 한국어 그림 -> 텍스트에도 사용할 수 있도록 파인튜닝하는게 가능할까요?? 기존 모델에 그냥 한국어 토큰들 추가하고 한국어 그림 -> 텍스트 데이터셋으로만 학습하면 될지 모르겠네요ㅜㅜ