本研究通过引入大型语言模型 GPT-3.5-Turbo 生成有合理语义的困难负查询，并提出了一种从粗糙到精细的显著性排序策略，以增强视频和分层负查询之间的多粒度语义关系学习，从而提升组成泛化能力。在两个具有挑战性的基准测试上进行的广泛实验验证了我们提出方法的有效性和泛化性。

该研究提出了一种基于场景图的发现网络（SGDN），用于开放词汇目标检测和场景图检测，克服了以往方法的局限性。同时，介绍了OpenSD框架，表现优于现有技术。研究回顾了开放词汇检测和分割的发展，提出了分类法，分析了不同方法的优缺点，并指出未来研究方向。实验结果显示，基于文本和多模态分类器的性能优于传统方法。