该研究提出了一种新的推理分割任务，展示了多模态语言模型LISA在复杂推理分割中的有效性。研究还介绍了开放词汇视频实例分割任务及其数据集，提出了VLP-RVOS框架以解决视频对象分割中的转移挑战，并开发了LLM-Seg框架，连接基础分割模型与大型语言模型，生成高质量的推理分割数据集LLM-Seg40K。