يقترح الباحثون إطار عمل VocaDet للكشف عن الكائنات وتجزئتها بمفردات مفتوحة، والذي يتعلم المفاهيم مباشرة من العينات الإيجابية والسلبية التي يوفرها المستخدم دون الحاجة إلى إعادة تدريب النموذج. يحول النظام التمثيلات البصرية المستمرة إلى رموز بصرية منفصلة باستخدام DINOv3 والتجميع التراكمي، ويخزنها في قاعدة بيانات متجهة قابلة للتوسيع للتعرف القائم على الاسترجاع الفعال.
- يستخدم DINOv3 كمستخرج للميزات البصرية لتوليد رموز بصرية متعددة الدقة عبر التجميع التراكمي بحساسية تكيفية.
- يخزن التمثيلات الخالية من تحيز الموقع ومعلومات الطوبولوجيا المكانية كذكريات كائنات قابلة للتوسيع في قاعدة بيانات متجهة.
- يطبق آلية تصفية للخلفية لإزالة أنماط الخلفية المتكررة وتقليل عمليات الاسترجاع الزائدة في سيناريوهات الكاميرا الثابتة.
- يُظهر أداء كشفًا فعالاً بمفردات مفتوحة على مجموعة البيانات UA-DETRAC دون تدريب كاشف تقليدي.
يدعم VocaDet قدرة تعرف قابلة للتوسيع باستمرار مع تراكم عينات إضافية، مما يعالج مشكلات القابلية للتوسع الموجودة في نهج المطالب النصية أو الأمثلة المحدودة.