本研究引入无训练对象部分增强技术（TROPE），解决了零样本图像描述中细粒度数据集难以区分细微对象部分和属性的问题，提升了描述质量和方法表现。

本文介绍了一种无监督类增量学习方法，用于在无标签集上发现新类别。该方法通过微调特征提取器和代理锚点，在无标签数据集上进行样本划分和聚类，并生成代表性类别向量以减轻灾难性遗忘。实验证明，该方法在细粒度数据集上优于现有技术手段。