该文综述组合零样本学习（CZSL）的多项进展：提出条件属性嵌入框架、Composition Transformer（CoT）结合自下而上物体嵌入与自上而下属性注意力，并用少数类属性增广缓解长尾分布；采用交叉注意力分离概念嵌入、地球移动距离度量相似度；利用CLIP语言信息分布增强未知组合泛化；基于图卷积的余弦图嵌入与外部知识估计可行性；以及数据合成与双向投影学习，均在MIT-States等基准上取得领先表现。

该研究提出Composition Transformer框架，用于组合零样本学习。该框架自下而上提取物体嵌入、自上而下生成属性嵌入，并开发少数类属性增广方法应对长尾分布，在MIT-States、C-GQA和VAW-CZSL等基准上达到最先进性能。