本文探讨了增量物体检测中的持续学习挑战，提出了VLM-PL方法，通过视觉-语言模型验证伪标签的正确性，结合新旧知识以提升检测性能。同时，NegLabel方法利用负标签进行OOD检测，展现出良好的鲁棒性和泛化能力。此外，研究介绍了多模态语言模型与视觉语言模型的结合，提升了开放词汇目标检测的效果。

本文探讨了Segment Anything Model (SAM)在无监督众数计数、医学图像分割和视频对象跟踪等任务中的应用。研究表明，SAM生成的标注在某些情况下优于传统方法，但仍需改进。提出了PerSAM和GeoSAM等新框架，以提高分割质量和性能，尤其在开放词汇目标检测方面表现突出。

该文综述开放词汇目标检测与新类别发现研究，利用CLIP零样本能力，在嵌入空间线性混合生成代理新类以提升泛化；从图像-字幕对自动生成伪框注释扩展基础类别；提出层次分类、等角原型、自适应自标记、知识蒸馏及PCL字幕标注等方法，缓解灾难性遗忘与类别偏差，在LVIS、COCO等基准上取得优越性能。

开放词汇目标检测旨在检测任意类别物体。早期方法利用预训练视觉语言模型的零样本分类能力，如ViLD通过知识蒸馏实现未知类别检测，DetPro学习连续提示表示提升性能，F-VLM简化训练流程。后续研究探索多模态融合、动态词汇评估细粒度属性，以及基于DETR的OV-DETR等方法，在LVIS等基准上取得显著提升。