본 논문은 참조 표현 이해(REC) 문제를 효율적이고 효과적으로 해결하기 위해, 매개변수 효율적인 전이 학습(PETL) 방법을 활용한 새로운 프레임워크인 MaPPER를 제안합니다. 기존의 REC 방법들이 전체 백본을 미세 조정하는 방식으로 인해 계산 비용이 높고 사전 학습된 지식이 손실되는 문제점을 갖는 반면, MaPPER는 동적 사전 적응기와 국소 합성곱 적응기를 사용하여 정확한 국소 시각 정보를 추출하고, 사전 안내 텍스트 모듈을 통해 교차 모드 정렬을 개선합니다. 세 가지 벤치마크에서 기존의 전체 미세 조정 방법 및 다른 PETL 방법들보다 높은 정확도를 달성하며, 전체 백본 매개변수의 1.41%만 미세 조정함으로써 높은 효율성을 보여줍니다.
