Trong bài báo này, chúng tôi đề xuất ULOPS, một khuôn khổ phân đoạn toàn cảnh tập mở dựa trên sự bất định để phát hiện các trường hợp đối tượng chưa biết. Khuôn khổ này tận dụng phương pháp học bằng chứng dựa trên Dirichlet để mô hình hóa sự bất định của dự đoán và tích hợp phân đoạn ngữ nghĩa với ước lượng bất định, nhúng cho liên kết nguyên mẫu và một bộ giải mã riêng cho dự đoán lấy trường hợp làm trung tâm. Các trường hợp chưa biết được xác định và phân đoạn bằng cách sử dụng các ước lượng bất định trong quá trình suy luận. Để nâng cao khả năng phân biệt giữa các đối tượng đã biết và chưa biết của mô hình, chúng tôi giới thiệu ba hàm mất mát dựa trên sự bất định: Mất bằng chứng thống nhất, Mất phân tách bất định thích ứng và Mất bất định tương phản. Chúng tôi đánh giá hiệu suất của tập mở bằng cách mở rộng chuẩn KITTI-360 và giới thiệu một đánh giá tập mở mới trên nuScenes, chứng minh bằng thực nghiệm rằng khuôn khổ của chúng tôi vượt trội hơn các phương pháp hiện có.
