本研究提出了一种新方法LED，旨在解决开放词汇物体检测中的偏见和过拟合问题。实验结果表明，该方法利用大型语言模型的隐藏状态，在复杂查询中的性能显著提升。

本研究提出了一种新方法，通过概念对齐解决开放词汇对象检测中的未见类别测试问题，显著提升了COCO和LVIS基准的检测性能与计算效率。

本文介绍了多种开放词汇语义分割模型的研究进展，包括ViL-Seg、Fusioner和OVFormer等。这些模型通过利用图像和文本数据，在无需密集标注的情况下实现了优异的分割效果，推动了计算机视觉的发展。研究还探讨了不同方法的优缺点及未来研究方向。

该研究提出了一种新颖的单阶段共享高效框架EOV-Seg，旨在提升全景分割的效率。通过引入词汇感知选择模块和双向动态嵌入专家，EOV-Seg在开放词汇环境下显著提高了处理速度和性能，其推理速度比现有方法快4到21倍。

本研究提出了一种适应类别的跨模态语义提炼与转移框架（C$^2$SRT），旨在解决开放词汇多标签识别中类别间语义关联捕捉不足的问题。实验结果表明，该方法在基准测试中显著优于现有算法。

本研究提出了一种新框架，使开放词汇物体检测模型能够在开放世界中识别和学习新物体。该方法通过开放世界嵌入学习和多尺度对比锚学习，在物体检测和自动驾驶基准测试中表现优异，具有重要应用潜力。

本研究提出了CLIPer框架，改进了CLIP在像素级开放词汇语义分割中的应用，无需额外训练。通过早层融合和细粒度补偿模块，显著提升了分割效果，实验证明其在多个数据集上表现优异。

本研究提出开放词汇音视频事件定位（OV-AVEL）任务，解决了音视频事件定位中对未知事件类别处理不足的问题。通过引入OV-AVEBench数据集和基准方法，显著提升了开放集环境下的音视频事件识别能力。

论文提出了一种名为AnytimeCL的开放词汇图像分类持续学习方法，采用动态加权机制结合原始模型与微调模型的预测，支持在线训练和类别平衡。该方法通过特征压缩降低存储需求，提高训练效率，同时保持准确性。

本研究提出了一种全映射的方法，解决了文本到运动生成中的开放词汇问题，通过引入原子运动和文本分解，显著提升了运动生成的泛化能力。

本研究提出了一种开放词汇航空物体检测（OVAD）的新定义，旨在解决现有算法只能检测预定义类别的问题。通过CastDet框架，结合多种策略和教师模型，显著提升了新类别物体的检测能力和精度。

现有方法使用视觉-语言模型如CLIP来增强开放词汇目标检测，但存在概念表示不足和过拟合问题。为此，提出LaMI策略，通过语言模型指令改善概念表示，避免过拟合。LaMI-DETR结合GPT和T5构建视觉概念，提升检测性能。实验显示，该方法在不依赖外部资源的情况下显著提升了泛化能力。

本文介绍了多种开放词汇语义分割方法，如ViL-Seg模型和Fusioner，强调利用图像和文本数据进行零样本学习。这些方法在多个基准数据集上表现优异，展现了广泛的应用潜力，推动了计算机视觉领域的发展。

本文介绍了多种基于Transformer的语义分割方法，如SETR、Segmenter、CyCTR、TRFS和SeMask等。这些方法通过不同的解码器和增强模块，提升了在多个数据集上的分割性能，尤其在Few-Shot Learning和开放词汇任务中表现突出。最新的SED模型通过分层结构和类别早期拒绝机制，实现了高效的像素级分割。

本文探讨了多种基于扩散模型的语义分割方法，如PNS-Net、DiffSegmenter和VD-IT。这些方法在视频物体分割和开放词汇语义分割任务中表现优异，能够有效利用少量标注数据，提升分割性能，并在多个数据集上取得了先进的结果。

本研究提出了一种零样本目标位姿估计方法，利用评分函数实现对未见物体的泛化，实验结果显示该方法在复杂场景中优于传统方法。同时，研究探讨了开放词汇的物体姿态估计，结合视觉语言模型和大型语言模型，提升了对新对象的理解和导航能力。

本文介绍了多种基于图像文本交互的语义分割模型，如ViL-Seg和Fusioner。这些模型利用自然图像和文本数据进行零样本学习，显著提升了模型的泛化能力和分割效果，并在多个基准数据集上表现优异，推动了开放词汇语义分割的发展。

本文介绍了DetCLIPv2和T-Rex2等多种改进的物体检测模型，利用大规模图像-文本对进行开放词汇目标检测，显著提升检测性能。研究探索了多模态分类器和动态词汇生成，提出新的视觉提示方法和OSR-ViT框架，展示了在低数据场景中的优越表现，推动开放世界目标检测的发展。