Aligned Pseudo Feature Generation for Zero-Shot Object Detection

Xinmiao Dai

doi:10.1109/tcds.2025.3625782

Aligned Pseudo Feature Generation for Zero-Shot Object Detection

2025-10-27

0

PRE

AI

DOI：10.1109/tcds.2025.3625782

原文链接

原文求助

摘要

En 中文

零样本目标检测（ZSD）的目标是对训练集中未出现的目标进行定位和分类。受生成模型成功的启发，许多基于特征生成的方法已被探索用于ZSD问题，并取得了一些有希望的结果。然而，未见类别的视觉样本缺失不可避免地导致合成的特征表现不佳，从而限制了先前方法中生成器的有效性。这一局限性凸显了当前ZSD方法中的一个关键挑战：在没有真实数据支持的情况下生成具有区分性和真实感的视觉特征。为解决这一问题，我们的方法受以下见解启发：仅靠语义嵌入不足以生成高质量的特征。相反，我们将它们与从扩散模型中提取的伪视觉特征对齐，这提供了更视觉上合理的指导，并显著提高了未见类别的合成特征质量。此外，与以往工作不同，我们还将已见类别的真实视觉特征用于训练未见类别分类器，该分类器被视为背景类别。这种训练后的未见类别分类器将更少地将已见目标误分类为未见类别。在与预训练的已见类别分类器协同工作时，该方法在现实世界应用（即广义ZSD场景）中表现更佳。在MS COCO和PASCAL VOC上的大量实验表明，我们的方法达到了当前最优性能。

Keyword:

Classifier enhancement

diffusion model

generative model

zero-shot object detection (ZSD)

Aligned Pseudo Feature Generation for Zero-Shot Object Detection

摘要

期刊

机构