本文介绍了双重语义视觉变换器模块（DSVTM），通过建立属性原型与视觉特征的对应关系，构建了逐步的语义-视觉相互适应网络（PSVMA），从而提高了语义消歧和知识可转移性，表现优于现有方法。此外，研究提出了多种零样本学习算法，利用生成对抗网络（GAN）和条件变分自编码器（VAE）等技术，显著提升了分类性能。