Zero-Shot Classification（零样本分类）

零样本分类旨在识别训练中未出现的类别，通常借助辅助信息如属性、文本描述或知识图谱。早期工作如DAP和IAP利用属性预测，而现代方法如CLIP通过对比学习对齐图像和文本嵌入。评估通常在AwA、CUB等数据集上进行。挑战包括语义鸿沟和领域偏移，广义零样本学习进一步要求同时处理可见和不可见类别。