بالنظر إلى التعقيد الحسابي، نقترح إطار عمل يُسمى التكميم الهجين المُرشد مع التدريس الذاتي واحد لواحد (GHOST). وبشكل أكثر تفصيلاً، نصمم أولاً هيكلًا يُعرف بـ "الاستخلاص الذاتي المُرشد للتكميم (GQSD)"، وهو فكرة مبتكرة تحقق التقليل من الحجم من خلال التكامل بين التكميم والاستخلاص. يتم توجيه عملية التدريب للنموذج المُكمّم بواسطة نموذجه بدقة كاملة، مما يوفر الوقت والتكاليف دون الحاجة إلى إعداد نموذج مُدرّب مسبقًا ضخمًا. ثانيًا، نقترح وحدة تكميم هجينة (HQ) للحصول تلقائيًا على العرض البتّي الأمثل ضمن شرط محدد، حيث يتم تطبيق حد أقصى لمسافة التوزيع بين المركز والعينات في فضاء بحث القيم الوزنية. ثالثًا، ولتحسين عملية تحويل المعلومات، نقترح وحدة تدريس ذاتي واحد لواحد (OST) لمنح الشبكة الطالبة قدرة على التقييم الذاتي. ويُنشئ جهاز تحكم مفتاح (SCM) جسرًا بين الشبكة الطالبة والشبكة المُعلمة في نفس الموقع، مما يساعد المُعلّم على تقليل التوجيه الخاطئ ونقل المعرفة الأساسية إلى الطالب. يسمح هذا الأسلوب بالاستخلاص بتمكين النموذج من التعلم من ذاته وتحقيق تحسين كبير دون الحاجة إلى أي إشراف إضافي. أظهرت التجارب الواسعة على مجموعة بيانات متعددة الوسائط (VEDAI) وعلى مجموعات بيانات أحادية الوسائط (DOTA، NWPU، DIOR) أن كشف الكائنات بناءً على إطار GHOST يتفوق على كواشف موجودة حاليًا. كما تُظهر المعلمات الصغيرة (أقل من 9.7 ميغابايت) وعمليات البت (BOPs) (أقل من 2158 جيجا) مقارنة بأي خوارزميات قائمة على الاستشعار عن بعد أو خفيفة الوزن أو قائمة على الاستخلاص، تفوقًا واضحًا في مجال التصميم الخفيف. سيتم إصدار الكود والنماذج الخاصة بنا عبر الرابط: https://github.com/icey-zhang/GHOST.