本研究提出了一种新的开放世界实例分割方法UDOS，结合自下而上的分割算法和自上而下的学习框架，预测目标的部分遮罩，并使用亲和力组合和细化模块预测稳健的实例级分割。实验结果表明，UDOS在跨类别和跨数据集的转移任务上性能优于现有技术。