本研究提出了一种视觉-语义图匹配网络（VSGMN），旨在提升传统零样本学习在未见类别识别中的表现。实验结果表明，VSGMN在多种场景下优于现有方法，具备实际应用潜力。

该文章介绍了一种名为SODA的自监督扩散模型，用于无监督学习视觉语义。该模型在多个数据集上实现了重建、编辑和合成任务，并揭示了其生成图像的潜在空间的分解性质。该模型具有潜力用于图像生成和学习强大的表示。

本文介绍了一种基于T2I模型的颜色转换模型，该模型利用颜色先验知识和敏感性感知的VQVAE模型生成与灰度图像视觉语义匹配的颜色结果。该模型在感知质量方面达到了最先进的性能。

本研究提出了名为KI2HOI的新型框架，用于改进零样本人物-物体交互检测。通过动词提取解码器和视觉语义的动词特征学习模块，生成更全面的视觉表示。利用CLIP文本编码器的先验知识，为增强交互理解初始化线性分类器。实验证明，该模型在各种零样本和全监督设置上优于以前的方法。

本研究提出了名为KI2HOI的新型框架，用于改进零样本人物-物体交互检测。通过动词提取解码器和视觉语义的动词特征学习模块，生成更全面的视觉表示。利用CLIP文本编码器的先验知识，为增强交互理解初始化线性分类器。实验证明，该模型在各种零样本和全监督设置上优于以前的方法。

本研究探讨了Havrylov和Titov的信令游戏设置对模型学习或捕捉视觉语义的影响。通过增强输入图像和引入附加任务，实现了在完全自监督情况下学习捕捉图像概念属性的视觉表征的通信系统。

该文章介绍了自监督扩散模型SODA，用于表示学习。该模型能够无监督地捕捉视觉语义，并在多个数据集上实现了重建、编辑和合成任务。研究还揭示了该模型生成图像的潜在空间的分解性质，作为控制和操纵模型生成图像的有效接口。该研究揭示了扩散模型在图像生成和表示学习方面的潜力。