نُقدّم إطارًا جديدًا قائمة على التوافيق لتقسيم كائنات الفيديو شبه المُراقب (VOS). في الآونة الأخيرة، تم تحقيق أفضل أداء في مهام تقسيم كائنات الفيديو باستخدام خوارزميات قائمة على التوافيق، حيث يتم إنشاء مخازن ميزات لتخزين الميزات بهدف التوافيق والتصنيف الإقليمي. ومع ذلك، ما زال مسألة تنظيم المعلومات بشكل فعّال داخل مخزن الميزات المتزايد باستمرار غير مُستكشفة بشكل كافٍ، مما يؤدي إلى تصميم غير كفؤ لمخزن الميزات. ولحل هذه المشكلة، نُقدّم خطة مُعدّلة لتحديث مخزن الميزات تُمكّن من امتصاص الميزات الجديدة ديناميكيًا وحذف الميزات القديمة أو غير الضرورية. كما صممنا خسارة جديدة تعتمد على الثقة، ووحدة تقسيم دقيقة التفاصيل لتعزيز دقة التقسيم في المناطق غير المؤكدة. وقد أظهرت نتائج خوارزميتنا تفوقها على جميع الحلول المتطورة الحالية في المعايير العامة.