Ця стаття проводить поглиблене анатомічне дослідження текстового кодувальника SAM3, критичного компонента для моделей сегментації зору-мови, зосереджуючись на виявленні архітектурних вузьких місць та пропозиції оптимізацій для ефективності. Ми аналізуємо його внесок у багатомодальне злиття ознак та досліджуємо методи досягнення легкої, але ефективної сегментації. Наш запропонований SAM3-LiteText демонструє значні покращення обчислювальної ефективності без суттєвої втрати точності сегментації, що робить його придатним для розгортання в умовах обмежених ресурсів та застосуваннях у реальному часі, що вимагають надійного розуміння зору-мови.