연구진은 LVLM이 밈이나 풍자 게시물의 의미를 설명할 때 이미지에 나타난 내용만 묘사하는 경향이 있다고 밝혔어요. 의도 투영(Intent Projection) 프레임워크는 이미지와 텍스트의 직관적 의미와 의도적 의미를 분리하여 표현, 출력, 목표 수준에서 해결책을 제시해요. 6개의 다중 모드 벤치마크에서 의도 투영은 기존 모델보다 성능이 뛰어나고, 특히 표면적 의미가 왜곡되는 경우 큰 개선을 보였어요.