本文提出了一种新的模型，使用文字特征来预测深度卷积神经网络（CNN）中卷积和全连接层的输出权重，以分类看不见的类别，同时利用 CNN 架构在不同层面学习特征，从而避免了为图像定义语义属性的问题，并且自动生成了每个视觉类别的伪属性词列表。结果显示，该模型明显优于以往方法。

Jun, 2015

本研究关注零样本学习的视觉问题，并提出了使用基于文本描述的分类器，该分类器关注从图像描述中提取最相关的信息并将视觉特征与文本进行匹配，通过基于关注机制的简单模型，利用物种之间的相似度和文本的可视摘要来提高零样本视觉对象识别的效果。

Oct, 2020

通过使用大型语言模型（LLMs）生成的类别描述和丰富的细粒度图像分类数据集，我们提出了一种方法来改善视觉 - 语言模型（VLMs）在细粒度领域的零样本分类性能。通过在训练过程中利用图像 - 文本监督，我们的方法在鸟类和花卉等新颖类别的零样本分类准确度上平均提高了 4-5％。地理先验也被证明对于改善零样本分类同样有效，与视觉特征互补。我们计划发布包含 7 个数据集的基准测试，以促进未来的零样本识别研究。

Jan, 2024

利用多个文本来源和语义部分注释来提供更强的监督辅助信息，达到零样本识别和检索的目标。

Mar, 2016

该研究探索了基于 Wikipedia 等在线文本源的零样本学习中，文本信息与视觉信息结合的方法，提出了一种基于 $l_{2,1}$ 正则化的目标函数，同时抑制文本中的噪声信号并学习文本信息与视觉特征的匹配，实验证明该方法明显优于其他依赖文本信息但无明确噪声抑制的方法。

Apr, 2016

提出了一种称为 joint embeddings for zero-shot learning 的方法，通过计算代理任务上的两流网络中的联合图像和文本模型来学习语义基础和丰富的视觉信息，并利用辅助字幕来提高图像和文本表示之间的对齐，从而在多个基准数据集上评估了该方法，在标准的（aPY 上 + 1.6％，FLO 上 + 2.6％）和常规的（AWA2 上 + 2.1％，CUB 上 + 2.2％）零 - shot 识别中提高了现有最先进方法的性能。

Jan, 2022

提出了使用零样本学习的方法在大语料库上训练模型来学习语句和其标签之间的关系，以实现模型对未知语句和标签的预测，并报告在三个不同数据集上的实验结果，该方法是自然语言处理中通向智能化的一步。

Dec, 2017

本文提出了一种利用零 - shot 学习技术来进行图像检索的解决方案，使用预训练模型从图像中提取特征，并利用 OWL 检查边界框的出现，通过余弦相似分数对图像进行排序。该算法的性能和灵活性使其适用于各种应用，包括个人图像组织和搜索引擎。

May, 2023

本文提出了使用神经语言模型来克服零 - shot 视觉识别中属性的局限性，并取得了在文本图像检索精度和零 - shot 分类准确率上的显著性提升。

May, 2016

提出三种方法来解决零样本开放词汇检测中的视觉和文本特征对齐问题，其中包括改进的特征金字塔网络和检测头，自我训练方法以及使用更大的图像文本对语料库来改善检测性能，并在 LVIS 基准测试上获得了新的最优性能。

Mar, 2023