CSCNET：用于组合零样本学习的类指定级联网络
计算机视觉与模式识别
2024-03-14 v2
摘要
属性与对象（A-O）解耦是组合零样本学习（CZSL）的一个基础且关键的问题，其目标是基于已有知识识别新颖的 A-O 组合。现有的基于解耦表示学习的方法忽视了 A-O 原语对之间的上下文依赖关系。受此启发，我们提出了一种用于 CZSL 的新型 A-O 解耦框架，即类指定级联网络（CSCNet）。其核心洞察是首先对一个原语进行分类，然后将预测的类别作为先验，以级联方式指导另一个原语的识别。为此，CSCNet 构建了属性到对象和对象到属性的级联分支，此外还包含一个将两个原语作为整体建模的组合分支。值得注意的是，我们设计了一个参数化分类器（ParamCls）以改善视觉嵌入与语义嵌入之间的匹配。通过改进 A-O 解耦，我们的框架取得了优于以往竞争性方法的结果。
引用
@article{arxiv.2403.05924,
title = {CSCNET: Class-Specified Cascaded Network for Compositional Zero-Shot Learning},
author = {Yanyi Zhang and Qi Jia and Xin Fan and Yu Liu and Ran He},
journal= {arXiv preprint arXiv:2403.05924},
year = {2024}
}
备注
ICASSP 2024