本稿では、動画レベルの視覚言語統合を強化することにより、参照動画オブジェクトセグメンテーション（RVOS）を研究する。近年のアプローチは、RVOSを順序予測問題としてモデル化し、各フレームに対して独立して多モーダルな相互作用とセグメンテーションを実行している。しかし、動画全体のグローバルな視点が欠如しているため、フレーム間の関係性を効果的に活用する難しさや、オブジェクトの時間的変化をテキストで記述する理解が困難となる。この問題に対処するため、本研究では「セマンティクス支援型オブジェクトクラスタ（Semantic-assisted Object Cluster: SOC）」を提案する。SOCは、動画コンテンツとテキスト的ガイダンスを統合的に集約し、一貫した時間的モデリングとクロスモーダル統合を実現する。フレームレベルのオブジェクト埋め込みを言語トークンと関連付けることで、モーダル間および時間ステップ間で統合的な空間学習を促進する。さらに、動画レベルでの良好な統合空間構築を支援するため、多モーダルコントラスティブな教師信号を導入する。広範な実験を、代表的なRVOSベンチマーク上で実施した結果、本手法はすべてのベンチマークにおいて最先端の手法を顕著な差で上回った。また、時間的整合性への注力により、時間的変化を伴うテキスト表現の処理において、セグメンテーションの安定性と適応性が向上している。コードは公開予定である。