本研究提出了GraphVL模型，结合图卷积网络和CLIP文本编码器，旨在解决广义类别发现中的特征转移问题。GraphVL有效提升了对未知类别的分类能力，并在多个基准数据集上表现出显著优势。

本文探讨了多种广义类别发现模型，包括基于半监督学习的联邦模型、动态概念对比学习框架和长尾分布的类别发现方法。这些方法通过提高聚类准确性和处理不平衡数据，在图像识别任务中表现出色，尤其在细粒度识别和未知类别处理方面。实验结果显示，这些新方法在多个数据集上取得了显著提升。