研究背景与动机
- 问题：传统目标检测器（封闭集）需预定义所有类别，无法适应动态开放环境。现有研究多独立解决开放词汇检测（OVD）或开放世界检测（OWOD），未结合两者优势：
- OVD：通过文本-视觉嵌入匹配实现零样本泛化，但无法主动发现未知对象。
- OWOD：可主动检测未知对象并通过增量学习逐步优化，但缺乏零样本能力。
- 目标：提出统一框架 OW-OVD，兼具OVD的零样本泛化能力和OWOD的主动发现与持续学习能力。
核心方法
1. 模型架构
- 基于标准OVD检测器（YOLO-World），包含视觉编码器（提取图像特征）和文本编码器（生成类别/属性嵌入）。
- 训练流程分两步：
- 分布构建：计算属性与正/负样本区域的相似性分布。
- 属性选择：通过迭代选择最具泛化性的属性。
