연구진이 다양한 시각 및 텍스트 백본에서 재사용 가능한 언어 가이드 모듈을 지원하는 BTHA 프레임워크를 개발했어요. BTHA는 안정적인 기능 수준 인터페이스를 기반으로 하며, 계층적 조잡-세밀 지도 전략을 통해 이미지-텍스트 정렬, 다중 스케일 보조 로컬라이제이션, 경계 인식 최종 마스크 정제를 수행해요. 다양한 시각 및 텍스트 백본에서 BTHA를 평가한 결과, 기존 방식보다 성능이 향상되었으며, 계산 비용 부담도 적어요.