O método alcança precisão melhorada na segmentação semântica através de abordagens de vocabulário aberto, integrando prior espacial e relações semânticas.
A precisão aumenta significativamente para conjuntos de dados de imagens diversos, resultando em uma redução notável nos erros de classificação.
A análise usando algoritmos de aprendizado profundo revela fortes associações entre características espaciais e categorias semânticas, melhorando o desempenho.
Os achados destacam o potencial de técnicas de vocabulário aberto para permitir interpretação flexível de imagens em várias áreas.