针对当前机器学习模型过于依赖于大规模有标注或无标注数据这一问题，零样本学习（Zero-shot Learning）这一新的学习范式近年来受到广泛关注。零样本学习旨在通过运用已获取的知识去认知未知类，从而使得机器学习系统具备不断学习的能力。当前零样本学习依托于额外的辅助信息（如，属性描述）得以实现，其关键在于如何准确地表示视觉和属性语义之间的交互，例如，视觉→语义（基于语义嵌入的模型）、语义→视觉（生成模型）、视觉→子空间&语义→子空间（公共子空间学习模型）。通过对这些技术的深度研究分析，他们发现当前零样本学习面临跨数据集偏差、视觉-属性的关键公共语义表示、视觉-语义的异构特征对准等问题。在这次分享中，我们邀请到了来自华中科技大学的博士生陈使明，为我们介绍他们在该问题上的探索：1. Shiming Chen et al. TransZero: Attribute-guided Transformer for Zero-shot Learning. Submitted AAAI’22.2. Shiming Chen et al. FREE: Feature Refinement for Generalized Zero-shot Learning. In ICCV, 2021.3. Shiming Chen et al. SMAN: Semantically Mutual Attention Network for Zero-Shot Learning. Submitted to CVPR’22.4. Shiming Chen et al. HSVA: Hierarchical Semantic-Visual Adaptation for Zero-Shot Learning. In NeurIPS, 2021.
极市直播｜陈使明：零样本学习的关键问题研究
➤论文
1.TransZero: Attribute-guided Transformer for Zero-Shot Learning
论文地址：https://arxiv.org/abs/2112.01683
https://github.com/shiming-chen/TransZero
2.FREE: Feature Refinement for Generalized Zero-shot Learning
论文地址：https://arxiv.org/abs/2107.13807
https://github.com/shiming-chen/FREE
3.HSVA: Hierarchical Semantic-Visual Adaptation for Zero-Shot Learning
论文地址：https://arxiv.org/abs/2109.15163
https://github.com/shiming-chen/HSVA
1、背景
2、研究内容
3、研究进展
➤回放视频在这里☟
https://www.bilibili.com/video/BV14b4y1W7dp/
➤部分PPT截图
B站：http://space.bilibili.com/85300886#!/腾讯视频：http://v.qq.com/vplus/8be9a676d97c74ede37163dd964d600c往期线上分享集锦：http://bbs.cvmart.net/topics/149/cvshare（或直接阅读原文）
如果觉得有用，就请分享到朋友圈吧！
公众号后台回复“89”获取
陈使明：零样本学习的关键问题研究PPT下载
推荐阅读
备注：姓名-学校/公司-研究方向-城市（如：小极-北大-目标检测-深圳）
即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群
每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~
觉得有用麻烦给个在看啦~ 
