본 논문은 기존 Referring Expression Segmentation (RES) 벤치마크의 한계점을 지적하며, 다양한 속성을 가진 긴 질의어와 여러 대상을 구분하기 어려운 질의어를 포함하는 새로운 벤치마크인 WildRES를 제시합니다. WildRES는 자율주행 및 로봇 조작과 같은 다양한 도메인을 포함하여 실제 환경에서 복잡한 추론 능력을 더욱 엄격하게 평가할 수 있도록 설계되었습니다. 기존 RES 모델들이 WildRES에서 성능 저하를 보이는 것을 확인하고, 이를 해결하기 위해 세 가지 혁신적인 방법 (밀집 캡션 기반 합성, 이미지-텍스트 정렬 그룹화를 통한 불일치 수정, 도메인 인식 증강)을 사용하여 합성 훈련 데이터를 생성하는 SynRES 파이프라인을 제안합니다. 실험 결과, SynRES로 훈련된 모델은 WildRES-ID에서 gIoU를 2.0%, WildRES-DS에서 3.8% 향상시키는 최첨단 성능을 달성했습니다. 소스 코드와 데이터셋은 깃허브에서 공개됩니다.
