نقدم طريقة جديدة تُسمى MOVE لتقسيم الأشياء دون أي شكل من أشكال الإشراف. تستغل MOVE حقيقة أن الأشياء في المقدمة يمكن نقلها محليًا بالنسبة لموقعها الأولي ونتيجة لذلك تكون صور جديدة واقعية (غير مشوهة). يسمح هذا الخاصية لنا بتدريب نموذج التقسيم على مجموعة بيانات من الصور دون توضيح، وتحقيق أفضل الأداء (SotA) في عدة مجموعات بيانات تقييمية للكشف عن الأشياء البارزة والتقسيم بدون إشراف. في اكتشاف الشيء الواحد بدون إشراف، تعطي MOVE تحسينًا متوسطًا بنسبة 7.2% في مؤشر CorLoc مقارنة بأفضل ما تم تحقيقه سابقًا، وفي الكشف عن الأشياء بدون إشراف وبغض النظر عن الفئة، تعطي تحسينًا نسبيًا بمتوسط 53% في مؤشر الدقة AP. يعتمد نهجنا على خصائص ذاتية الإشراف (مثل تلك المستخرجة من DINO أو MAE)، شبكة إعادة الرسم (مستندة إلى Masked AutoEncoder) والتدريب المعادي.