摘要
视觉-语言模型（VLMs）在零样本分类任务中展现了令人印象深刻的表现，即仅提供类别名称列表时的分类能力。本文研究了在存在未标记数据的情况下进行零样本分类的问题。我们利用未标记数据的图结构，引入了一种基于标签传播（LP）的方法——ZLaP，该方法利用测地距离进行分类。我们将标签传播技术应用于同时包含文本和图像特征的图，并进一步提出了一种基于对偶解和稀疏化步骤的有效归纳推理方法。我们进行了广泛的实验，评估了该方法在14个常用数据集上的有效性，并展示了ZLaP优于最新的相关工作。代码：https://github.com/vladan-stojnic/ZLaP