Prototype Matters: Domain-Wise Prototype Induction for Zero-Shot Recognition

doi:10.1109/tpami.2026.3742105

Prototype Matters: Domain-Wise Prototype Induction for Zero-Shot Recognition

2026-10-09

0

PRE

AI

DOI：10.1109/tpami.2026.3742105

原文链接

原文求助

摘要

En 中文

零样本学习（ZSL）已取得显著进展，但现有方法大多仍严重依赖预定义的语义嵌入作为监督信号。此类语义往往不完整、不准确且判别性不足，导致决策边界模糊且对未见领域的泛化能力有限。实践中，预定义语义常与多样化的实例级视觉模式冲突，在参数受限的情况下，使模型难以同时实现类别分离和丰富的属性变化解码。此外，语义与视觉结构之间显著的结构差异阻碍了判别性类别级表示的学习，尤其在领域偏移时更为明显。尽管近期研究试图对齐视觉和语义空间，但大多忽视了显式诱导良好分离、领域适应的类别级表示的重要性，而我们认为这对于有效的零样本识别至关重要。基于这些观察，我们提出了一种新颖的领域感知原型诱导网络（DPIN），专注于学习判别且自适应可分离的类别级原型，而非直接嵌入或匹配预定义语义。DPIN在有限语义先验的引导下学习诱导原型，并根据领域变化动态调整类间距离。具体而言，我们引入了“分层引导的语义节点精炼”模块以逐步纠正预定义语义，以及“基于语义先验的注意机制视觉节点构建”模块以在类别和组级监督下获得视觉判别节点。此外，一种“交互式知识注入的元图学习”机制协同在分布和类别两级优化语义和视觉节点，有效缩小视觉-语义差距。基于所学习的元图，“自适应类别级原型诱导”策略生成领域感知的良好分离原型，使模型即使在严重领域偏移下也能实现准确的实例级推理。在三个标准ZSL基准上的大量实验证明了DPIN的有效性，在相同设置下分别超越当前最优ZSL方法4.3%和2.5%的平均准确率，验证了原型中心建模在ZSL中的有效性。

Keyword:

Image recognition

multi-modal representation learning

prototype learning

zero-shot learning

Prototype Matters: Domain-Wise Prototype Induction for Zero-Shot Recognition

摘要

期刊

机构

引用论文