本文介绍了一种基于特征组的图像分类方法，结合部分共享和负部分概念，提升了分类性能。研究表明，背景信息和其他类别的部分也能改善分类效果。该算法在多个数据集上表现优异，尤其在无监督学习和部分分割任务中，展现了良好的泛化能力和可解释性。

本文提出了开放词汇的部分分割基准测试（OV-PARTS），涵盖对象级分割和少样本适应能力。研究了多种模型，包括基于Transformer的开放词汇语义分割模型和语义辅助校准网络（SCAN），并提出了新的评估标准。通过优化计算成本和分割准确性，展示了在多个基准测试中的优越性能，推动了开放词汇检测和分割的发展。