本文提出了 ContrastMask，通过在受限的可见类别上学习有标注遮罩，同时在新颖的 unseen 类别上分割对象，提高了前景和背景的特征辨别率，促进了课程无关掩模分割模型的学习。在 COCO 数据集上的实验证明了该方法的优越性。