Classification d'images sans vocabulaire

Ces dernières années, le développement de grands modèles de vision-langage a fondamentalement transformé le paradigme de la classification d'images. Bien que ces modèles montrent des capacités impressionnantes en classification zéro-shot, ils supposent toujours un vocabulaire de classes prédéfini au moment du test. Cependant, cette hypothèse peut être irréaliste dans des scénarios où le contexte sémantique est inconnu et en constante évolution. La classification d'images sans vocabulaire (Vocabulary-free Image Classification, VIC) vise à attribuer des images d'entrée à des classes au sein d'un espace sémantique non contraint induit par le langage, sans connaissance préalable du vocabulaire. Cette approche augmente ainsi la flexibilité et l'adaptabilité du modèle, ce qui présente une valeur d'application considérable.