关系检索：利用已知-新颖交互进行广义类别发现
计算机视觉与模式识别
2026-05-12 v1 人工智能
多媒体
摘要
在本研究中，我们通过关系检索视角来解决广义类别发现（GCD）问题，通过双向知识转移显式耦合已标记与未标记数据。现有方法将这些数据源分开处理，错失了宝贵的交互机会，而我们提出了能够实现相互增强的关系模式一致性（RPC）。RPC 采用 One-vs-All 分类器进行软 ID/OOD 分解，随后引入两个机制： 用于已知类保留，我们转移语义行为对齐； 用于类别发现，我们利用同一类别的样本与已知类原型保持不变关系这一见解，将不可靠的伪标记转化为定义良好的关系模式匹配。这种双向设计允许已标记数据指导未标记学习，同时通过其集体关系特征发现新类别。大量实验表明，RPC 在通用和细粒度基准上均取得了最先进的性能。
引用
@article{arxiv.2605.09420,
title = {Relational Retrieval: Leveraging Known-Novel Interactions for Generalized Category Discovery},
author = {Yulin Xu and Chunqi Guo and Yuanzhen Shuai and Jianyuan Ni},
journal= {arXiv preprint arXiv:2605.09420},
year = {2026}
}
备注
Accepted by ICMR 2026. Generalized category discovery, semi-supervised learning, contrastive learning