weixin_45997340的博客

核心思想CUB 200种鸟类图像 已见/未见：150/50 每类312个属性 细粒度数据集 11788张图像SUN 717种场景图像 已见/未见：645/72 每类102个属性 细粒度数据集 14340张图像AWA2 50种动物图像 已见/未见：40/10 每类85个属性 粗粒度数据集 37322张图像DeepFashion 46个服装类别 已见/未见：36/10 289,222张图像。

提出了一种属性原型网络（APN），旨在改善图像表示在零样本学习中的局部性。APN通过同时回归和去相关化中间层特征的属性，来学习编码语义视觉属性的局部特征。

本文提出的 PPEN 模型通过CLA（跨层聚合）和 PIPA（局部注意力）两个核心模块提升了 ZSL 的表现。CLA 通过 MFE（特征增强）和 ACA（跨层融合） 在探索特征的多尺度信息并促进不同层之间特征的融合，使得每一层都能从其他层学到的知识中受益。而 PIPA 通过局部注意力机制提升语义信息提取能力，使模型能更精准地匹配视觉特征和语义信息。

通过重新选择嵌入空间，解决了零样本学习中的Hubness问题。

核心创新在于动态语义引导：用语义信息直接修正视觉特征，像老师用关键词引导学生注意重点。通过SET增强语义关联，通过VIE修剪无关信息，逐步优化特征。

跨属性引导 Transformer 网络，包括AVT和VAT，引入语义协同学习。实现对零样本学习的图像分类。

本文提出了一种 属性引导 Transformer 网络（attribute-guided Transformer network, TransZero），用于：优化视觉特征，提升可迁移性。精准定位对象的属性，提取 区分性区域特征。该方法是非端到端的（non end-to-end model），从而降低计算成本，同时保证有效的 视觉-语义交互。

MSDN 主要贡献提出互语义蒸馏网络（MSDN），结合属性→视觉 & 视觉→属性注意力子网，提升零样本学习能力。核心创新双向语义蒸馏（Mutual Semantic Distillation）

代码参考：https://github.com/foxtrotmike/ESZSL。