Novel Class Discovery

Découverte de Nouvelles Classes (DNC) est une tâche cruciale dans le domaine de la vision par ordinateur, visant à identifier de nouvelles catégories au sein de données non étiquetées en utilisant les connaissances préalables des catégories connues. Cette tâche divise le jeu de données en deux parties : un jeu de données étiqueté comprenant des catégories connues et un jeu de données non étiqueté comprenant des catégories inconnues. L'objectif principal de la DNC est d'améliorer la capacité du modèle à découvrir de nouvelles catégories, ce qui permet d'augmenter les performances de généralisation et d'adaptabilité du système, possédant ainsi une valeur d'application importante.