深度分析 ProCal：推論階段前景/背景提示校準提升開放詞彙物件偵測定位精度 研究聚焦開放詞彙物件偵測的定位校準問題，提出在推論階段加入前景與背景提示的ProCal模組，結合VLM前景分數與抑制分數形成提案先驗，提升新類別的APr約2.5點，顯示校準可改善偵測排序。實驗在OV‑LVIS與OV‑COCO上均獲顯著提升，證明模型在無需額外訓練的情況下即可改善新目標的定位品質。
