本文提出了一种新的动态演变双骨架-语义协同框架Neuro，旨在提升零样本骨架动作识别的泛化能力。该方法通过上下文感知的信息，深入探讨跨模态对应关系，实验结果表明其在多个基准数据集上优于现有技术，能够有效推广到新动作类别。

本研究提出了EventCLIP方法，结合2D零样本识别和少样本学习，提升事件相机数据的识别性能。实验结果表明，该方法在多个数据集上表现优异，增强了分类器的鲁棒性。同时，E-CLIP框架通过新颖的编码器和对比对齐模块优化了三种模态的知识传递，提升了整体性能。此外，研究还探讨了无标签事件识别和基于视觉文本的事件检测算法，均取得了显著效果。

本文探讨了候选伪标签学习方法（CPL）和标签对齐方法（LAMM）在提升视觉-语言模型（VLMs）无标签数据性能方面的应用。研究表明，利用大型语言模型（LLM）生成的类别描述和层次化提示学习方法，显著改善了多标签图像识别效果，尤其在零样本识别任务中表现突出。实验结果显示，该方法在多个数据集上超越了现有技术。

本文介绍了一种新框架，显著提升了视觉与语言模型在构成性语言编码能力上的表现，尤其是在零样本视觉识别任务中。研究表明，该模型在识别细粒度概念方面表现更佳，并提出了新的评价方法以解决学习偏差问题。通过新模型架构和训练技术的引入，研究提高了模型的解释能力和组合推理能力，展示了视觉与语言任务中的最新进展与挑战。

本文提出了一种低成本的文本到图像生成方法，通过微调预训练模型中的文本嵌入，优化语义特征定位，避免特征混合，从而提升多概念生成效果。该方法在图像分类和物体检测中表现优越，有效解决零样本识别和小数据集适应问题，显著提高性能。

本文研究零样本数据识别，提出了一种基于多模态表示学习的ZOC方法，通过图像文本描述生成和置信度评分实现未知分类检测。实验结果表明，该方法在多个基准数据集上优于现有方案，尤其在少样本学习和OOD检测中表现突出。

本研究提出了多视图视觉提示融合网络（MvNet），旨在提高零样本三维形状识别的分类准确性。通过利用现成的2D预训练模型，达到了3D点云分类的最新性能。此外，研究还探讨了少样本物体检测、视角估计和3D重建等方法，并在多个数据集上展示了优越表现。

本研究提出了多种多标签学习方法，如AMuLaP、SLDL和GLEMIML，旨在提升少样本文本和图像分类的性能。通过预训练模型和弱监督学习，实验结果表明这些方法在多个数据集上优于现有技术，特别是在零样本识别和分类准确性方面表现突出。

该文综述视觉语言模型研究进展，涵盖图像-标题检索、CLIP细粒度优化、SimVLM、视觉识别预训练、对比学习特征改进、不平衡数据及零样本识别等方向，并提出LTD、CG-VLM、IFM、REAL等方法，以提升模型泛化能力与召回率。

该文综述视觉-语言模型的零样本识别研究，指出CLIP等模型擅长细粒度概念，但相似度评分未必反映文本准确性，模糊描述易被混淆；表示空间存在不可区分输入，导致过度泛化。零样本能力主要依赖识别类标签，属性数量影响显著。研究还涉及文本-图像生成、跨语言视频检索及反欺诈等应用。