본 논문은 고해상도 이미지 이해를 위한 훈련이 필요 없는 프레임워크인 Multi-resolution Retrieval-Detection (MRD)를 제안합니다. 기존의 크롭 기반 방식이 객체를 여러 크롭으로 분할하여 의미적 유사성 계산을 저해하는 문제를 해결하기 위해, 다양한 해상도에서 얻은 의미적 유사성 맵을 융합하여 객체의 완전성을 보존합니다. 또한, 전역적 규모에서 대상 객체를 직접적으로 localization하기 위해 슬라이딩 윈도우 방식을 사용하는 open-vocabulary object detection (OVD) 모델을 도입했습니다.
