تعتمد النماذج الحالية للفصل الدلالي بشكل كبير على التسميات الكثيفة للبكسلات. ولتقليل الضغط الناتج عن التسمية، نركز على مهمة صعبة تُسمى "الفصل الدلالي الصفرية"، والتي تهدف إلى فصل الكائنات غير المرئية دون أي تسميات. يمكن تحقيق هذه المهمة من خلال نقل المعرفة عبر الفئات باستخدام تمثيلات كلمات دلالية. في هذه الورقة، نقترح طريقة جديدة لتكوين الميزات تعتمد على السياق للفصل الدلالي الصفرية تُسمى CaGNet. وبشكل خاص، وبملاحظة أن الميزة لكل بكسل تعتمد بشدة على معلومات السياق المحيطة بها، نُدمج وحدة سياقية داخل شبكة الفصل الدلالي لالتقاط معلومات السياق لكل بكسل، مما يوجه عملية إنشاء ميزات أكثر تنوعًا واعتمادًا على السياق من تمثيلات الكلمات الدلالية. تحقق طريقةنا نتائج من الطراز الرائد على ثلاث مجموعات بيانات معيارية للفصل الدلالي الصفرية. يمكن الوصول إلى الكود عبر الرابط التالي: https://github.com/bcmi/CaGNet-Zero-Shot-Semantic-Segmentation.