迈向开放世界检测：综述

数十年来，计算机视觉的目标一直是让机器能够感知外部世界。最初的局限性促使研究发展出一些高度专业化的细分领域。随着各项任务的逐步成功与研究的推进，越来越复杂的感知任务不断涌现。本综述梳理了这些任务的汇聚过程，并在此基础上提出了 开放世界检测（Open World Detection, OWD） 这一总括性术语，用于统一视觉领域中的类别无关和普适性检测模型。我们从基础视觉子领域的发展历史出发，涵盖构成当今前沿格局的关键概念、方法论和数据集。这一路径包括早期的显著性检测、前景/背景分离、分布外检测，一直延伸到开放世界目标检测、零样本检测以及视觉大语言模型（Vision Large Language Models, VLLMs）。我们探讨了这些子领域之间的交叉与日益融合，以及它们未来可能统一为一个单一领域——感知。 关键词： 开放世界检测，基础视觉模型，VLLM，计算机视觉 在致力于使机器能够感知和理解世界的过程中，计算机视觉取得了显著进展。最初，该领域通过将复杂挑战划分为更小、更易处理的问题来开展研究。早期的研究集中于边缘检测、图像分类和目标识别等专门任务，从而催生了针对具体任务的算法。尽管这些努力卓有成效，但也凸显了在孤立地处理视觉问题时的局限性。 随着更复杂的机器学习技术的兴起以及计算能力的指数级增长，计算机视觉逐渐转向更加整体化的方法。近年来，得益于海量数据集的整合和大规模多模态基础模型的发展，涌现出了能够同时执行多种视觉任务的模型——图1展示了该领域的一些最新趋势。 开放世界目标检测（Open World Object Detection, OWOD） 一词由 Joseph 等人于 2021 年提出，它将经典的目标检测扩展为能够感知场景中所有可见目标的能力。这种感知不依赖于训练阶段是否显式地向模型呈现某个类别，本质上实现了类别无关的开放世界检测。我们进一步去掉“目标（Object）”的限制，使用 开放世界检测（Open World Detection, OWD） 作为总括性术语，用于指代能够在广泛视觉任务中泛化的检测方法。图2直观地展示了这一 OWD 的概念及其相关的研究子领域。与在封闭且明确定义的类别内运行的传统模型不同，OWD 系统力求识别并适应真实世界环境中的无限多样性。这一研究范式的确立，离不开多个关键视觉细分领域的推动，我们将在本文中对其进行梳理与呈现。

为了全面概述 开放世界检测（OWD） 所涵盖的研究现状，我们将探讨支撑该领域的基础概念、方法论与应用。我们呈现了若干子领域的融合与交叉，包括开放世界目标检测、开放词汇检测、显著性检测、前景/背景分离以及零样本检测。此外，我们还考察了视觉-语言模型（Vision-Language Models, VLMs）和大规模多模态模型（Large Multimodal Models, LMMs）在提升 OWD 系统能力中的作用，并讨论了支持这些模型开发与评估的相关数据集。 通过综合这些子领域的洞见，我们强调了计算机视觉领域日益增强的趋同。这种融合趋势预示着未来不同视觉任务之间的界限将逐渐模糊，从而催生能够无缝应对广泛视觉挑战的统一模型。我们的目标是为研究人员和实践者提供一份详尽的综述，明确当前 OWD 的研究格局，并展望其在根本上改变机器感知和应对复杂世界方式的潜力。 为系统性地探索这种融合并描绘 OWD 的发展轨迹，本文的结构安排如下： * 第2章：分析为 OWD 奠定基础的核心子领域。本章将从显著性检测和前景/背景分离出发，逐步讨论分布外检测与零样本检测，最终过渡到开放世界目标检测以及视觉-语言模型的关键作用。 * 第3章：全面回顾在 OWD 系统训练与评估中至关重要的数据集与基准，提供推动该领域进展的数据格局。 * 第4章：梳理当前的最新进展，描绘视觉检测的主要发展阶段，并突出导致当代方法论出现的范式转变，从而提供该领域演进与现状的结构化理解。 * 第5章：展望未来的研究方向，探讨 OWD 的潜在突破点与新兴可能性，揭示该领域研究的下一个前沿。 * 第6章：综合全文所获得的核心洞见，重申 OWD 的变革性潜力，并给出总结性的视角。