연구진은 기존 인컨텍스트 분할(ICS) 연구의 한계인 시스템 견고성 문제를 지적하고, 개념 기반 인컨텍스트 분할(CG-ICS)이라는 새로운 패러다임을 제시했어요.
CG-ICS는 MLLM을 활용해 의미론적 개념을 추출하고, 트리 검색 방식으로 신뢰성 있는 텍스트 개념을 선택하며, 시각적 예제를 통해 공간적 정보를 활용하는 방식을 사용해요.
실험 결과 CG-ICS는 기존 방식보다 정확도와 견고성을 모두 향상시켜, 다양한 참조 이미지 선택에 따른 분할 결과의 변동성을 크게 줄이는 데 성공했어요.