本文介绍了一种名为ICIS的图像无关分类器注入方法，旨在提升预训练模型的零样本分类能力。该框架结合多模型和多对齐集成方法，能够识别未见类别，并利用ChatGPT和DALL-E生成参考图像以改善信息瓶颈。实验结果表明，该模型在CIFAR-10等数据集上实现了超过99%的分类准确率，显著优于单模型方法。