【CVPR2021】反事实的零次和开集识别

零次学习是指让机器分类没见过的对象类别，开集识别要求让机器把没见过的对象类别标成“不认识”，两个任务都依赖想象能力。《反事实的零次和开集识别》提出了一种基于反事实的算法框架，通过解耦样本特征（比如对象的姿势）和类别特征（比如是否有羽毛），再基于样本特征进行反事实生成。在常用数据集上，该算法的准确率超出现有顶尖方法 2.2% 到 4.3%。论文作者岳中琪指出，AI 认知智能的进化刚刚开始，业界的探索仍处在早期阶段，今后他们将不断提升和优化相关算法。

https://www.zhuanzhi.ai/paper/70853146dd56cd4468837754a1478949

现有的零次学习和开集识别中，见过和未见过类别间识别率存在严重失衡，我们发现这种失衡是由于对未见过类别样本失真的想象。由此，我们提出了一种反事实框架，通过基于样本特征的反事实生成保真，在各个评估数据集下取得了稳定的提升。这项工作的主要优势在于：

1. 我们提出的 GCM-CF 是一个见过 / 未见过类别的二元分类器，二元分类后可以适用任何监督学习（在见过类别上）和零次学习算法（在未见过类别上）；

2. 我们提出的反事实生成框架适用于各种生成模型，例如基于 VAE、GAN 或是 Flow 的；

3. 我们提供了一种易于实现的两组概念间解耦的算法

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“GCMCF” 就可以获取《【CVPR2021】反事实的零次和开集识别》电子书专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源