BriefGPT - AI 论文速递
·
广义零样本学习的双特征增强网络
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种使用条件 VAE 的语义分离框架，能够将未见过的类别的视觉特征分解为与语义一致、不相关的潜在向量，并通过相关性惩罚和关系网络确保两个分解表示之间的独立性和语义一致性。实验表明，该框架分离出的语义一致特征在广义零样本学习任务中更具普适性。
🎯
关键要点
-
提出了一种使用条件 VAE 的语义分离框架。
-
框架能够将未见过的类别的视觉特征分解为与语义一致、不相关的潜在向量。
-
通过相关性惩罚和关系网络确保两个分解表示之间的独立性和语义一致性。
-
实验表明，该框架分离出的语义一致特征在广义零样本学习任务中更具普适性。
➡️
