instance-level-correspondence

텍스트 프롬프트 내 개별 인스턴스 설명과 시각 조건(예: 엣지, 깊이 지도) 상의 공간 영역을 1:1로 연결한 정보이다. 본 논문에서는 VLM이 텍스트에서 인스턴스 설명을 추출하고 SAM 기반 디코더로 해당 영역의 마스크를 예측해 이 대응을 구성했다. 이 대응은 생성 모델의 어텐션을 제약하는 correspondence mask를 만드는 핵심 입력으로 사용되어 인스턴스 간 속성 혼동을 줄이는 역할을 한다.