XMOD est un cadre de travail innovant conçu pour la découverte multi-objets en 2D et 3D à partir de mouvements 2D. Il exploite des techniques avancées de vision par ordinateur pour localiser des objets sans annotations humaines, en combinant des données RGB et des nuages de points. Le projet propose une approche de distillation croisée entre modalités pour améliorer la précision des modèles, avec des applications dans des domaines comme la robotique, la conduite autonome et l'analyse d'images médicales.