اكتشاف التميّز المشترك (Co-SOD) يهدف إلى تقسيم الجزء الأمامي المميز المشترك في مجموعة من الصور ذات الصلة. في هذا البحث، مستوحىً من السلوك البشري، نقترح طريقة اكتشاف التميّز المشترك المستندة إلى التدرج (GICD). أولاً، نستخلص تمثيلًا مشتركًا للصور المجمعة في فضاء التضمين؛ ثم، من خلال مقارنة الصورة الفردية مع التمثيل المشترك، نستخدم المعلومات التدرجية المرتدة لجذب المزيد من الاهتمام إلى الخصائص المشتركة المميزة. بالإضافة إلى ذلك، بسبب نقص بيانات تدريب Co-SOD، نصمم استراتيجية تدريب "البازل" (jigsaw)، والتي يمكن من خلالها تدريب شبكات Co-SOD على قواعد بيانات التميّز العامة دون الحاجة إلى تعليقات إضافية على مستوى البكسل. لتقدير أداء طرق Co-SOD في اكتشاف الكائن المميز المشترك بين العديد من الأجزاء الأمامية، قمنا ببناء مجموعة بيانات صعبة تحت اسم CoCA، حيث تحتوي كل صورة على كائن أمامي غير ذي صلة واحد على الأقل بالإضافة إلى الكائن المميز المشترك. تظهر التجارب أن GICD الخاصة بنا تحقق أداءً متقدمًا على مستوى الحالة الراهنة. الرموز البرمجية ومجموعة البيانات متاحة على الرابط https://mmcheng.net/gicd/.