TPAMI 2024 | 你绝对想不到！零样本学习+特征蒸馏器 竟然有奇效！

文章预览

题目：Explanatory Object Part Aggregation for Zero-Shot Learning 对于零样本学习中的解释性对象部分聚合。 作者：Xin Chen; Xiaoling Deng; Yubin Lan; Yongbing Long; Jian Weng; Zhiquan Liu; Qi Tian 摘要 零样本学习（ZSL）旨在仅基于已见过类别的标记图像来识别未见过的类别对象。大多数现有的ZSL方法集中于优化特征空间或生成未见类别的视觉特征，无论是在传统ZSL还是泛化零样本学习（GZSL）中。然而，由于学习到的特征空间是次优的，存在许多虚拟连接，其中视觉特征与语义属性并不对应。为了减少虚拟连接，本文提出了一种通过构建基于卷积特征图的解释图来发现全面和细粒度的对象部分，然后将对象部分聚合以训练一个部分网络以获得预测结果。由于聚合的对象部分包含激活语义属性的全面视觉特征，因此可以在很大程度上减少虚拟连接。由于部分网络旨在提取局部细粒 ………………………………