Zero-shot 第7页

ViLD（Open-Vocabulary Object Detection via Vision and Language Konwledge Distillation）

基于视觉语言（图像文本）知识蒸馏的目标检测CLIP模型当成teacher模型，去蒸馏自己的模型，从而达到zero-shot。模型具有检测新类别的能力。

山上的小酒馆·2022-09-28 10:41

NAACL2021 信息抽取与少/零样本相关论文整理

小编对其中事件抽取、关系抽取、NER和Few-Shot/Zero-Shot相关的论文整理如下，欢迎补充整理呦:事件抽取WEC:DerivingaLarge-scaleCross-documentEventCoreferencedatasetfromWikipediaEventRepresentationwithSequential

御风而行Carrie·2022-08-14 11:16

ECCV2022 | RU&谷歌提出用CLIP进行zero-shot目标检测！

【写在前面】构建鲁棒的通用对目标测框架需要扩展到更大的标签空间和更大的训练数据集。然而，大规模获取数千个类别的标注成本过高。作者提出了一种新方法，利用最近视觉和语言模型中丰富的语义来定位和分类未标记图像中的对象，有效地生成用于目标检测的伪标签。从通用的和类无关的区域建议（regionproposal）机制开始，作者使用视觉和语言模型将图像的每个区域分类为下游任务所需的任何对象类别。作者演示了生成的

·2022-07-27 09:54

UIE: 信息抽取的大一统模型

无意间，就发现了这篇论文，尝试做了zero-shot实验，效果很惊人。众所周知，信

Shaw_Road·2022-07-26 07:15

SUPERVISION EXISTS EVERYWHERE: A DATA EFFICIENT CONTRASTIVE LANGUAGE-IMAGE PRE-TRAINING PARADIGM

近年来，大规模对比语言图像预训练（CLIP）因其令人印象深刻的zero-shot识别能力和良好的下游任务转移能力而引起了前所未有的关注。然而，CLIP非常需要数据，需要400M图像-文本对进行预训练。

Tsukinousag·2022-07-06 20:04

论文阅读：《Google's Multilingual Neural Machine Translation System: Enabling Zero-Shot Translation》

论文：https://arxiv.org/pdf/1611.04558.pdf原文：http://www.hankcs.com/nlp/cs224n-google-nmt.html双语NMT一般“瘦弱”的NMT系统只支持双语单向翻译，比如课上常见的这种：如果想实现一个模型支持多语种互译怎么办呢？土办法之前的尝试是使用多对encoder-decoderpair、一个encoder多个decoder、

小爷毛毛（卓寿杰）·2022-07-05 07:01

谷歌&HuggingFace| 零样本能力最强的语言模型结构

文|iven从GPT3到Prompt，越来越多人发现大模型在零样本学习（zero-shot）的设定下有非常好的表现。这都让大家对AGI的到来越来越期待。

夕小瑶·2022-06-27 23:04

【论文笔记】—低照度图像增强—ZeroShot—RRDNet网络—2020-ICME

Zero-ShotRestorationOfUnderexposedImagesViaRobustRetinexDecomposition时间：2020年会议：2020-ICME机构：同济大学论文链接：paper代码链接：code代码笔记：RRDNet代码笔记关键词：曝光不足的图像恢复、Retinex分解、zero-shot

chaikeya·2022-05-29 07:13

图像增强论文精读——ExCNet：Zero-Shot Restoration of Back-lit Images Using Deep Internal Learning

Zero-ShotRestorationofBack-litImagesUsingDeepInternalLearning1.摘要2"S"曲线3ExCNet网络（基于CNN的无监督S曲线估计方法）3.1利用估计的S曲线调整亮度通道3.2计算损失3.3实现细节4.图像增强流程5.参考文献论文代码1.摘要如何恢复背光图像仍然是一个具有挑战性的任务。这一领域中最先进的方法是基于监督学习，因此它们通常局限

HH~LL·2022-05-21 07:33

Raki的读paper小记：Leveraging Type Descriptions for Zero-shot Named Entity Recognition and Classification

Abstract&Introduction&RelatedWork研究任务命名实体识别和分类已有方法和相关工作面临挑战创新思路提出了第一种用于zero-shot的NERC的方法引入一个新的架构，利用许多实体类别的文本描述自然发生的事实实验结论在训练过程中被观察到的非实体的词有可能属于其中一个测试类别

爱睡觉的Raki·2022-03-14 07:43

Out-of-Distribution Detection for Generalized Zero-Shot Action Recognition

AbstractGeneralizedzero-shotactionrecognitionisachallengingproblem,wherethetaskistorecognizenewactioncategoriesthatareunavailableduringthetrainingstage,inadditiontotheseenactioncategories.Existingappr

bxg1065283526·2022-02-21 07:21

【论文总结】Zero-Shot Semantic Segmentation

论文地址：https://arxiv.org/abs/1906.00817代码：https://github.com/valeoai/ZS3一、内容Step0：首先使用数据集（完全不包含UnseenClasses的图片）训练DeepLabv3+模型，得到的模型可以对只含有SeenClasses的图片进行分类，去掉训练好的DeepLabv3+的最后一层分类层，将其变成一个特征提取器。将所有Class

MoSalah·2022-02-14 16:00

谷歌发布最新看图说话模型，可实现零样本学习，多类型任务也能直接上手

兴坤发自凹非寺量子位报道|公众号QbitAI谷歌新推出了弱监督看图说话模型SimVLM，能够轻松实现零样本学习（zero-shot）任务迁移。

QbitAl·2021-10-24 15:28

论文阅读（一）Zero-shot Recognition via Semantic Embeddings and Knowledge Graphs

续袁·2021-06-19 05:49

IWSLT 2017

IWSLT2017介绍三个官方任务：多语种文本翻译multiligualtexttranslationofTEDtalks（zero-shot）对话的文本翻译texttranslationofdialogues

ThINgCH·2021-04-20 04:06

AAAI2021知识图谱论文集

知识图谱论文中，热点关键词：knowledge-xxx(guided,enhanced,enriched,aware)，few-shot(zero-shot,meta)learning，知识表示学习知识图谱表征

华师数据学院·王嘉宁·2021-02-11 10:59

Zero-shot Learning零样本学习论文阅读（四）——Zero-Shot Recognition using Dual Visual-Semantic Mapping Paths

Zero-shotLearning零样本学习论文阅读（四）——Zero-ShotRecognitionusingDualVisual-SemanticMappingPaths背景流形学习语义间隔(semanticgap)算法原理算法思路符号设定算法流程这篇2017年的论文提供了解决semanticgap问题的简单做法，所谓的semanticgap也就是从图片中提取的低层特征到高层语义之间存在的“语

River_J777·2020-12-31 03:50

AUTOVC个性化语音转换

概念：AutoVC是基于音频编码损失的零样本(zero-shot)音频转换，多对多的非平行音频转换框架。

DringZhang·2020-09-16 10:27

【论文笔记】Zero-Shot Open Entity Typing as Type-Compatible Grounding

Zero-ShotOpenEntityTypingasType-CompatibleGrounding文章目录Abstract1Introduction2RelatedWork3Zero-ShotOpenEntityTypingDefinition1：WeakTypecompatibility.Definiton2(ContextConsistency)假设1:定义2是定义1的强有力推断3.1In

DrogoZhang·2020-09-10 20:28

[论文速览] CVPR 2020 那些有趣的图像超分辨算法（9篇）（1/2）

Unpaired;Pseudo-Supervision;GradientGuidance;TextureTransformerNetwork;DeepUnfoldingNetwork;Meta-Transfer;Zero-Shot

Phoenixtree_Zhao·2020-08-22 03:14

[CVPR 2018]Discriminative Learning of Latent Features for Zero-Shot Recognition

TheImageFeatureNetwork（FNet）TheZoomNetwork（ZNet）TheEmbeddingNetwork(ENet)Prediction实验背景作者认为当前(2018年前)zero-shot

剑启郁兰·2020-08-20 08:11

Zero-shot Learning / One-shot Learning / Few-shot Learning/传统 Learning

Introduction在迁移学习中，由于传统深度学习的学习能力弱，往往需要海量数据和反复训练才能修得泛化神功。为了“多快好省”地通往炼丹之路，炼丹师们开始研究Zero-shotLearning/One-shotLearning/Few-shotLearning。爱上一匹野马(泛化能力)，可我的家里没有草原(海量数据)。Learning类型分为：Zero-shotLearning、One-shot

Deep_learning_blog·2020-08-17 04:58

Multi-Cue Zero-Shot Learning with Strong Supervision

CVPR2016Multi-CueZero-ShotLearningwithStrongSupervisionzero-shotlearningforvisualrecognitionaimsatequippingcomputervisionsystemstorecognizenovelclasseswithoutasingletrainingexample这里科普一下什么叫zero-shotle

cv_family_z·2020-08-16 12:35

label-embedding在文本分类中的应用

所以挖了挖这个领域的研究，不挖不知道，一挖吓一跳，没想到这个坑还挺深的，看着看着就从普通的分类延续到few-shot，zero-shot以及meta-learning去了。

PaperWeekly·2020-08-11 16:16

零样本图像检索：Towards Affordable Semantic Searching: Zero-shot Retrieval via Dominant Attributes

TowardsAffordableSemanticSearching:Zero-shotRetrievalviaDominantAttributes，AAAI20181.概要论文首次提出了零样本检索任务（Zero-shotRetrieval,ZSR）。该任务中包括两种场景，一种是通过未知类别图像的主要属性信息查询实例图像(AttributestoImage,A2I);另一种是利用一张未知类别的图像

Shawn0901·2020-08-08 23:14

【零样本学习】Zero-Shot Visual Recognition using Semantics-Preserving Adversarial Embedding Networks

Abstract基于visual-semanticembedding的ZSL方法存在信息损失（semanticloss）的问题，在训练过程中，如果某些语义信息对分类的区分性不大，则会被丢弃，但是这些信息往往对识别unseenclass很重要。为了避免semanticloss，我们提出Semantics-PreservingAdversarialEmbeddingNetwork(SP-AEN)，通过

x124612·2020-08-03 08:28

论文学习 Feature Generating Networks for Zero-Shot Learning

最近火热的迁移学习领域实涵盖了很多方向，比如多任务学习、对抗生成网络、zero/one/fewshotlearning等。其中的关键问题应该从有限的标注数据中学习其真实分布，进而将训练好的模型通过微调迁移到其他任务，如果迁移的任务与与标注数据关联性较强，这种迁移会变得相对容易，也更容易获得成功。1.简介论文地址：https://arxiv.org/abs/1712.00981最近，学习了一篇来自马

何以解忧唯有杜康·2020-08-03 08:01

Zero-shot and few-shot Detection

最近想做few-shotobjectdetection方向，而在分类任务上有很多丰富的few-shotleanrning方法，因此产生了个思路，将经典的目标检测框架中的目标分类部分换成少样本学习分类，但是具体结合起来有一下困难：一张图上包含多种类别的物体，这和分类任务每次图中只包含一个种类有区别。novel类别的定位问题，这是few-shot分类中没有的问题。在提高novel类别的mAP时，bas

HXX_2048·2020-08-03 07:02

Zero-shot CVPR 2019

CVPR2019CADA-VAE:EdgarSchönfeld,SaynaEbrahimi,SamarthSinha,TrevorDarrell,ZeynepAkata.“GeneralizedZero-andFew-ShotLearningviaAlignedVariationalAutoencoders.”CVPR(2019).[pdf][code]GDAN:HeHuang,ChanghuWa

DrogoZhang·2020-08-03 07:36

Dual Adversarial Networks for Zero-shot Cross-media Retrieval 阅读笔记

DualAdversarialNetworksforZero-shotCross-mediaRetrieval(DANZCR)：由两个GAN组成，分别用于共同表示生成与原始表示重建，它们捕获底层数据结构，并加强输入数据和语义空间之间的关系，以概括已见和未见类别。DANZCR通过对抗学习方法，利用词嵌入来学习语义空间的共同表示。该方法保留了固有的跨媒体相关性，并提高了知识迁移到新类别的能力。intr

王小白的博客·2020-08-03 04:23

近期必读的6篇 NeurIPS 2019 的零样本学习(Zero-Shot Learning)论文

近期必读的6篇NeurIPS2019的零样本学习(Zero-ShotLearning)论文PS:转发自“专知”公众号【导读】NeurIPS是全球最受瞩目的AI、机器学习顶级学术会议之一，每年全球的人工智能爱好者和科学家都会在这里聚集，发布最新研究。NIPS2019大会已经在12月8日-14日在加拿大温哥华举行。这次专知小编发现零样本学习(Zero-ShotLearning,ZSL)在今年的Neur

研究僧Zjc·2020-08-03 03:30

Zero-Shot Video Object Segmentation via Attentive Graph Neural Networks论文解读

前言这是一篇iccv19的oralpaper，直到2020年一月作者才放出来，代码已经开源，用于视频分割。摘要这篇工作提出了一种新颖的注意力图神经网络，用于零样本视频目标分割(vos)。本文提出的AGNN将vos任务转化为在视频图上迭代的信息融合的过程。具体来说，Agnn建立了一张全连接的图，图的节点由视频帧构成，图的边由任意两个帧的关系构成。这种关系用一种可微的注意力机制描述。Agnn能够充分捕

咆哮的阿杰·2020-08-03 03:28

Zero-shot learning（二）：ZSL关于嵌入模型的理解

Zero-shotlearning（二）：ZSL关于嵌入模型的理解前言（不好意思，关于零样本学，上一张说过的一些东西。课题组老师要求论文没有见刊之前，idea不能公布到网上，关于ZSL的东西先更到这边）--------从上述基本技术路线中，我们可知在零样本学习问题中存在四大关键技术。一是图片特征的提取方式。现实世界中，图片数据复杂冗余、千变万化，为图片学习具有语义性的待征，对于缩小与高层语义之间的

从推公式到写代码·2020-08-03 03:23

[CVPR 2018 论文笔记] Feature Generating Networks for Zero-Shot Learning

文章目录1简介2模型3实验4总结5有意思的地方零样本问题可以看作是数据缺失问题。由于目标域数据不可见，导致模型训练时的数据不均衡。一个直观的想法就是生成目标域的数据。生成图像是最简单的想法，但是本文提出直接生成目标域的特征，而不是图像。我认为，这样做确实能够提高精度，因为最后做分类都是在特征上做的，直接生成特征，能够缓解生成图像质量不好的问题。1简介介绍一篇CVPR2018的文章：FeatureG

蜉蝣之翼❉·2020-08-03 00:17

I Know the Relationships: Zero-Shot Action Recognition via Two-Stream Graph Convolutional Networks a

Zero-ShotActionRecognitionviaTwo-StreamGraphConvolutionalNetworksandKnowledgeGraphs问题类别生成分类器、知识融合问题描述一种ZSAR（零次Zero-shot

lijfrank·2020-08-02 12:41

【零样本学习】Rethinking Knowledge Graph Propagation for Zero-Shot Learning

Abstract近年来，GCN在ZSL问题上取得了不错的效果，它关联在图结构上相关概念，使得能够泛化到unseenclass。然而，由于多层GCN结构需要将知识传播到图中较远的节点(传递并吸收较远节点的知识)，在每一层都要执行Laplacian平滑，会稀释知识导致性能降低。为了利用图结构的优势，同时防止较远节点导致的知识稀释问题，我们提出DenseGraphPropagation(DGP)模型（研

x124612·2020-07-29 00:37

【零样本学习】Zero-shot Recognition via Semantic Embeddings and Knowledge Graphs

MotivationZSL问题的关键是从seenclass迁移知识到unseenclass中。一种方法是利用隐式的知识表示(语义向量)来迁移知识。这种方法从文本数据中学习类别的语义向量表示，然后学习语义空间到视觉空间的映射关系，模型受限于语义模型和映射模型的泛化能力。而且很难从结构化信息中学习语义向量。另一种方法是基于显式的知识库或知识图谱。这种方法显示地将知识表示成类别之间的关系(可以利用这些关

x124612·2020-07-29 00:36

Rethinking Knowledge Graph Propagation for Zero-Shot Learning

RethinkingKnowledgeGraphPropagationforZero-ShotLearning(零样本的知识图谱传播再思考)代码：https://github.com/cyvius96/adgpm.摘要：图卷积神经网络对于零样本学习上有很大的潜力，模型能够很强的泛化能力生成新类，当缺少样本的时候，然而，多层架构需要在图中传播，传播的过程中使用拉普拉斯光滑会相应的导致知识的减少，进一

weixin_44576543·2020-07-28 22:15

【CVPR20超分辨率】MZSR:Meta-Transfer Learning for Zero-Shot Super-Resolution

论文：https://arxiv.org/pdf/2002.12213.pdf代码：https://www.github.com/JWSoh/MZSR一、简介出发点：有监督的CNN超分方法都是基于大量外部数据在已知降质模型下进行训练，而对真实图片超分时，LR图片的模糊和噪声未知且复杂，所以目前的有监督类方法无法很好地解决问题。受到ZSSR论文和元学习的启发，作者提出了一个利用元迁移学习的Zero-

求个offer·2020-07-28 21:49

零样本学习（zero-shot learning）综述

-------本文内容来自对论文ASurveyofZero-ShotLearning:Settings,Methods,andApplications的理解和整理，这里省去了众多的数学符号，以比较通俗的语言对零样本学习做一个简单的入门介绍，用词上可能缺乏一定的严谨性。一些图和公式直接来自于论文，并且省略了论文中讲的比较细的东西，如果感兴趣建议还是去通读论文注1：为了方便，文中“已知类别（标签）”都

bobobe·2020-07-28 14:04

Multi-Cue Zero-Shot Learning with Strong Supervision阅读笔记CVPR2016收录

论文地址：https://arxiv.org/pdf/1603.08754.pdf该论文被CVPR2016收录。当时，zero-shotlearning的方法中，最好的依然是依靠着人工标注的属性。本文作者希望能够突破这一现状，利用网上多样的非结构化的文本数据实现全自动的算法，并且得到较好的效果。利用外部文本数据（如wikipedia语料库）的方法可以被称为利用附加数据的方法，这类方法的优点是：得到

不会讲段子的正能量小栗子·2020-07-28 13:06

Semantic Autoencoder for Zero-Shot learning阅读笔记CVPR2017收录

论文地址：https://arxiv.org/pdf/1704.08345.pdf代码地址：https://elyorcv.github.io/projects/sae该论文已经被CVPR2017收录。主要是关于利用语义自编码器实现zero-shotlearning的工作。一定程度上解决了训练集和测试集的领域漂移（domainshift）问题。整个算法最核心的地方是在自编码器进行编码和解码时，使用

不会讲段子的正能量小栗子·2020-07-28 13:34

Multi-Label Zero-Shot Learning with Structured Knowledge Graphs 论文笔记

Multi-LabelZero-ShotLearningwithStructuredKnowledgeGraphs论文笔记个人学习笔记，写得可能比较意识流，各位斟酌食用，理解有误的恳请指正0.Abstract这是一个多标签零次学习任务（ML-ZSL），对一个输入预测多个unseen类标签。引入知识图谱来描述多个标签之间的关系。模型学习一个信息传播机制来建模seen和unseen的类标签之间的相互依

Innse·2020-07-28 12:55

Multi-Label Zero-Shot Learning with Structured Knowledge Graphs

未完。。。本文提出了一种用于多标签零样本学习（ML-ZSL）的深度学习架构，它能够为每个输入实例预测未知的类标签。受人类利用对象之间语义知识方式的启发，我们提出了一个框架，包含用于描述多个标签之间关系的知识图谱。我们的模型从语义标签空间学习信息传播机制，该机制可用于建模已知和未知类标签间的相互依存关系。通过对视觉推理的结构化知识图谱的研究，我们证明了我们的模型可用于解决多标签分类和ML-ZSL任务

王小白的博客·2020-07-28 12:00

《Multi-Label Zero-Shot Learning With Structured Knowledge Graphs》论文笔记

《Multi-LabelZero-ShotLearningWithStructuredKnowledgeGraphs》论文笔记论文摘要introduction台湾国立大学、卡耐基梅隆大学论文摘要本文提出了一个对于multi-labelzero-shot学习的深度学习框架，这个框架能够为每个输入的实例预测一到多个unseenclasslabels。根据人类在objetsofinterests之间使用

klrp95·2020-07-28 01:17

[NIPS 2019] Transductive Zero-Shot Learning with Visual Structure Constraint

带视觉结构约束的直推式零样本学习如图所示，10种未见类图片在视觉空间中的表示，以及几种中心的表示。符号说明：VCLCenter 投影中心，用□表示RealCenter 真实中心，用☆表示BMVScCenter 约束中心，用○表示K-MeansCenter聚类中心，用◇表示paperWDVCMotivationMethodVCL视觉中心学习CDVSc基于倒角距离的视觉结构约束BMVSc基于双分区

一亩高粱·2020-07-27 20:09

[CVPR 2017] Semantic Autoencoder for Zero-Shot Learning论文笔记

http://openaccess.thecvf.com/content_cvpr_2017/papers/Kodirov_Semantic_Autoencoder_for_CVPR_2017_paper.pdfSemanticAutoencoderforZero-ShotLearning，ElyorKodirovTaoXiangShaogangGong，QueenMaryUniversityof

A13120295·2020-07-27 14:24

论文笔记：Multi-Label Zero-Shot Learning with Structured Knowledge Graphs

来源：CVPR-2018，台湾国立&CMU，paper概述问题描述：针对每一个输入预测多个见过的和没见过的标签motivation：人类利用兴趣物体之间的语义信息的方式。提出了一个结合知识图谱的框架来描述多标签之间的关系。模型中学习了一种在语义标签空间的信息传播方式，以此来建模见过的和没见过的label之间的相互依赖。Introduction自然图片的标注工作要求神经网络应该具有多标签的识别能力，

flyminnnnn·2020-07-27 13:50

论文笔记：Rethinking Knowledge Graph Propagation for Zero-Shot Learning (DGP)

RethinkingKnowledgeGraphPropagationforZero-ShotLearning(DGP)来源：挪威北极大学&清华&中山&MIT&中科院自动化所&CMU,arxiv-2018，paper，code摘要部分总结来自：论文浅尝|当知识图谱遇上零样本学习——零样本学习综述本文在Zero-shotRecognitionviaSemanticEmbeddingsandKnowl