본 논문은 복잡한 시각적 장면과 감독 신호의 부재로 인해 어려운 과제인 비지도 비디오 분할 문제를 해결하기 위해, 지식 증류를 활용한 간단한 프레임워크인 SlotMatch를 제안한다. SlotMatch는 코사인 유사성을 통해 교사와 학생 슬롯을 정렬하여 객체 중심 표현을 가벼운 학생 모델로 효과적으로 전송하며, 추가적인 증류 목표나 보조 감독이 필요하지 않다. 제안된 프레임워크는 이론적 및 실험적 증거를 통해 단순성을 입증했으며, 추가 손실 통합이 불필요함을 보여준다. 실험 결과, SlotMatch 기반 학생 모델은 3.6배 적은 파라미터를 사용하고 최대 2.7배 더 빠르게 실행되면서도, 기존 최고 성능의 교사 모델인 SlotContrast를 능가하며, 다른 모든 최신 비지도 비디오 분할 모델보다 우수한 성능을 달성했다.
