TPAMI 2024 | 生成式多标签零样本学习

题目：Generative Multi-Label Zero-Shot Learning

生成式多标签零样本学习

作者：Akshita Gupta; Sanath Narayan; Salman Khan; Fahad Shahbaz Khan; Ling Shao; Joost van de Weijer

源码链接： https://github.com/akshitac8/Generative_MLZSL

---

摘要

多标签零样本学习旨在将图像分类到多个未见类别中，这些类别在训练期间没有可用数据。测试样本还可以包含泛化变体中的已见类别。现有方法依赖于从已见类别中学习共享或标签特定的注意力。然而，在多标签设置中，计算未见类别的可靠注意力图在推理期间仍然是一个挑战。相比之下，最先进的单标签生成对抗网络（GAN）基于的方法学习直接从相应的类属性嵌入合成类特定视觉特征。然而，在零样本设置的背景下，从 GAN 合成多标签特征仍未被探索。当单个图像中同时出现多个对象时，一个关键问题是如何在属性级别、特征级别和跨级别（跨属性和特征级别）有效地融合多类信息以合成多标签特征。据我们所知，我们的工作是第一个解决（泛化）