用辅助文本描述的跨模态注意力对齐网络用于零样本基于素描的图像检索

零样本学习为处理未见类别提供了有效解决方案，避免繁琐的数据收集。

提出了一种新框架，通过对比文本间接对齐素描与照片，避免了成对样本的需求。

该方法将形态不可知的语义与形态特定信息分解，桥接了形态间的差距。

通过全面实验验证，该模型在零样本基于素描的图像检索上表现优越，适用于广义和细粒度设置。

采用对称双向知识对齐学习框架，实现教师和学生模型之间的知识对齐。

通过可学习的自我关注模块和交叉关注模块，提升了跨模态网络的性能。

引入简单有效的策略，选择最佳特征层并利用视觉和文本提示，提升了模型的特征提取能力。

在多个基准数据集上进行的实验显示了显著的性能提升。