无词汇图像分类

近年来，大规模视觉-语言模型的发展彻底改变了图像分类范式。尽管这些模型展示了令人印象深刻的零样本能力，但在测试时仍假设存在预定义的类别词汇表。然而，在语义上下文未知且不断变化的情况下，这一假设可能不切实际。Vocabulary-free Image Classification（VIC）旨在无需预知词汇表的情况下，将输入图像分配到由语言诱导的无约束语义空间中的类，从而提高模型的灵活性和适应性，具有重要的应用价值。