연구진은 시각-언어 분할 모델의 시맨틱 의존성을 줄이고 시각적 속성 추론 능력을 높이는 새로운 패러다임인 SANSA 분할을 제안했어요. SANSA 분할을 위해 사전 제약 또는 예제 가이드를 활용하여 시맨틱 의존성이 없는 텍스트 설명을 생성하는 두 가지 전략을 제시했어요. 실험 결과, SANSA 프롬프트로 튜닝했을 때 기존 모델 대비 최대 20% mIoU 성능 향상을 보였으며, 표준 시맨틱 프롬프트에서도 강력한 성능을 유지했어요.