docs: Phase 3 object identity design (v3 model)

- Object instance tracking (similar to face trace)
- Custom detector for stamps, guns, etc.
- TKG integration for object-face-speaker graph
- Upgrade path: yolov5nu → yolov8m, fine-tune, zero-shot

docs/RELEASE_PHASES.md

@@ -28,7 +28,7 @@ Search / Query / Identity APIs
 |-----------|------------------|------|---------|
 | `{uuid}_v1` | `momentry_dev_v1` | sentence chunk embedding（base） | ASR + ASRX + Rule 1 完成 |
 | `{uuid}_v2` | `momentry_dev_v2` | 完整 pipeline + 5W1H | 全部完成 |
-| `{uuid}_v3` | - | 預留後續升級 | - |
+| `{uuid}_v3` | `momentry_dev_v3` | object identity + custom detector | v2 + object instance matching 完成 |
 
 各版本共存不覆蓋。
 
@@ -110,5 +110,56 @@ release/
 | 類比 | 訓練好的 weights | inference engine |
 | 內容 | `.json` + chunks + vectors | Rust binary |
 | 生命週期 | 每部影片產出一個 | 一個 binary 服務所有影片 |
-| 版本 | `{uuid}_v1`（base） / `{uuid}_v2` | `momentry_playground` / `momentry` |
+| 版本 | `{uuid}_v1`（base） / `{uuid}_v2` / `{uuid}_v3` | `momentry_playground` / `momentry` |
 | 交付對象 | 終端使用者 | 部署工程師 |
+
+---
+
+## Phase 3：Object Identity（v3 model）
+
+### 目標
+
+從影片中提取關鍵物體（郵票、手槍、信封、放大鏡...），對同類物體做 instance-level 的跨畫面追蹤與辨識，達到類似 face trace 的效果 — 不只是 detect class，還能區分「這一張郵票」vs「那一張郵票」。
+
+### 現狀問題
+
+1. **COCO 80 類不包含關鍵物體** — 郵票、手槍、信封、放大鏡等不在 COCO 資料集中
+2. **YOLOv5nano 偵測率低** — 即使是 COCO 類別（knife, cell phone）在 nano 模型上 recall 不足
+3. **無 object instance matching** — 目前只有 frame-level detection，沒有跨 frame 的物體追蹤
+
+### 技術方向
+
+```
+YOLOv8m/OWL-ViT → 改善 detection coverage
+        ↓
+ Object Tracker (IoU + embedding，類似 face tracker)
+        ↓
+ object_trace → TKG CO_OCCURS_WITH edges
+        ↓
+ object identity → 同物體跨場景辨識
+```
+
+| 方向 | 方法 | 效果 |
+|------|------|------|
+| Model upgrade | `yolov5nu` → `yolov8s.pt` / `yolov8m.pt` | COCO recall 提升 |
+| Custom fine-tune | 收集 stamps/guns 資料 fine-tune YOLO | 可偵測非 COCO 物件 |
+| Zero-shot | OWL-ViT / Grounding DINO by text prompt | 不用 training，但速度慢 |
+| Object trace | IoU + embedding 跨 frame 匹配 | instance-level 追蹤 |
+| Object identity | clustering 跨場景辨識同一物體 | 可在全片搜尋「這把槍」 |
+
+### 與 TKG 整合
+
+```
+face_trace -[:CO_OCCURS_WITH]-> object_instance:5  (這把槍)
+face_trace -[:CO_OCCURS_WITH]-> object_instance:42 (這張郵票)
+
+查詢: "Audrey Hepburn 拿這把槍的畫面"
+→ face_trace:5 -[:SPEAKS_AS]-> SPEAKER_0
+→ face_trace:5 -[:CO_OCCURS_WITH]-> object_instance:5
+```
+
+### 交付順序
+
+1. YOLO model upgrade（低難度，立即見效）
+2. Object tracker（中難度，參考 face tracker 實作）
+3. Custom fine-tune / zero-shot（高難度，需資料或新模型）