H2em：用于组合零样本学习的分层双曲嵌入
计算机视觉与模式识别
2025-12-24 v1
摘要
组合零样本学习（CZSL）旨在从原始（状态和对象）的训练集中，泛化到未见状态-对象组合的识别。当前方法常常忽视丰富的层次结构，如原始的语义层次（例如，苹果水果）和原始与组合之间的概念层次（例如，切片苹果）。近期的一些研究通过欧几里得空间中的损失正则化来建模这些层次结构。本文认为，这些方法无法扩展到真实世界CZSL所需的大规模分类学：平坦几何中空间的多项式体积增长无法匹配指数结构，损害泛化能力。为此，我们提出H2em，一个新的框架，学习用于CZSL的分层双曲嵌入（Hierarchical Hyperbolic Embeddings）。H2em利用双曲几何的独特属性，这种空间天然适合于低失真地嵌入树状结构。然而，朴素的双曲映射可能 suffered from hierarchical collapse and poor fine-grained discrimination。我们进一步设计两个学习目标来结构化该空间：一个双层包含损失（Dual-Hierarchical Entailment Loss），使用双曲包含锥来强制预定义的层次结构；以及一个判别性对齐损失（Discriminative Alignment Loss），通过硬负采样，在语义相似组合之间建立较大的测地距离。此外，我们设计了双曲跨模态注意力（Hyperbolic Cross-Modal Attention），在双曲几何中实现实例感知的跨模态融合。广泛的消融实验表明，H2em在三个基准数据集上建立了在封闭世界和开放世界情景下的新型state-of-the-art。我们的代码将公开发布。
引用
@article{arxiv.2512.20029,
title = {$\text{H}^2$em: Learning Hierarchical Hyperbolic Embeddings for Compositional Zero-Shot Learning},
author = {Lin Li and Jiahui Li and Jiaming Lei and Jun Xiao and Feifei Shao and Long Chen},
journal= {arXiv preprint arXiv:2512.20029},
year = {2025}
}