ZeroMamba：探索零样本学习的视觉状态空间模型
原文中文，约1400字，阅读约需4分钟。
📝
内容提要
本文探讨了零样本学习在视频动作识别中的应用，提出了视觉-语义映射、数据加权和渐进式语义引导视觉Transformer（ZSLViT）等新模型和方法，显著提升了多个数据集上的识别性能，解决了领域移位和泛化问题。
❓
Q&A
零样本学习在视频动作识别中的应用是什么？
零样本学习通过语义词向量空间解决复杂的语义信息问题，提高视频动作识别的性能。
如何提高零样本学习的映射有效性？
通过自我训练和数据增强策略，可以显著提高零样本学习的映射有效性。
什么是渐进式语义引导视觉Transformer（ZSLViT）？
ZSLViT是一种用于零样本学习的模型，通过语义嵌入令牌学习改进视觉-语义对应关系。
广义零样本学习（GZSL）方法的特点是什么？
GZSL方法对训练期间的未见图像和未见语义向量具有不可知性，旨在打破视觉-语义间隙。
如何解决零样本学习中的领域移位问题？
通过提出新的视觉-语义映射模型和数据加权方法，可以有效缓解领域移位问题。
VADS方法在零样本学习中有什么优势？
VADS方法在多个数据集上取得了卓越的性能，优于其他最先进的方法。
🏷️
