على الرغم من النجاح الأخير للشبكات العصبية العميقة، يظل من الصعب نمذجة توزيع الفئات ذي الذيل الطويل بشكل فعّال في مهام التعرف البصري. ولحل هذه المشكلة، نقوم أولاً بدراسة أداء الإطار الثنائي المراحل من خلال دراسة تحليلية (أبيلاسيف). مستوحين من اكتشافاتنا، نقترح استراتيجية موحدة لمحاذاة التوزيع لمهام التعرف البصري ذات الذيل الطويل. وبشكل خاص، نطوّر دالة تعديل تلقائيّة تتيح لنا تعديل درجات التصنيف لكل نقطة بيانات. ثم نقدّم طريقة إعادة وزن معمّمة في الإطار الثنائي المراحل لموازنة التوزيع الأولي للطبقات، مما يوفر حلاً مرنًا وموحّدًا للسيناريوهات المتنوعة في مهام التعرف البصري. ونُثبت فعالية طريقتنا من خلال تجارب واسعة على أربع مهام، تشمل تصنيف الصور، التجزئة الدلالية، كشف الكائنات، والتقطيع الفردي. تحقق طريقتنا نتائج من الدرجة الأولى في جميع المهام الأربع باستخدام إطار عمل بسيط وموحّد. سيتم الإفصاح عن الشيفرة والنموذج بشكل عام على الرابط التالي: https://github.com/Megvii-BaseDetection/DisAlign