본 논문은 GUI 이해를 위한 특수 설계된 다중 모달 대규모 언어 모델(MLLM)인 MP-GUI를 제시합니다. MP-GUI는 그래픽, 텍스트, 공간 모달리티를 추출하는 세 가지 전문화된 지각기를 특징으로 하며, 공간 구조 개선 전략과 융합 게이트를 통해 다양한 GUI 이해 작업의 특정 선호도를 충족합니다. 훈련 데이터 부족 문제를 해결하기 위해 자동 데이터 수집 파이프라인도 함께 제시합니다. 제한된 데이터로 다양한 GUI 이해 작업에서 우수한 결과를 달성함을 실험을 통해 보여줍니다. 기존 MLLM들이 GUI 이해에 어려움을 겪는 이유는 명시적인 공간 구조 모델링의 부재와 고품질 공간 구조 데이터 획득의 어려움 때문이며, MP-GUI는 이러한 문제점을 해결하고자 합니다.