本文介绍了一种新颖的零样本学习框架，通过对比文本间接对齐素描和照片，避免了对素描照片成对样本的需求。该方法通过学习明确的形态编码，实现了跨模态内容检索。实验证明该模型在零样本基于素描的图像检索上有效，并可应用于广义和细粒度设置。