本研究提出了一种新的贝叶斯预测框架，在无统计假设下在线构建置信集。该方法能处理多个置信水平查询，解决优化问题，保持低遗憾并提供数据中心的鲁棒性。

本研究提出了面向近在线视频实例分割的新方法NOVIS，证明了其优越性，并在基准测试中取得了最先进的结果。研究表明，对于具有挑战性和长视频序列的情况，传统的离线方法不一定优于逐帧的在线处理。