語彙なし画像分類

近年、大規模な視覚言語モデルの開発により、画像分類のパラダイムが根本的に変革されました。これらのモデルは印象的なゼロショット能力を示していますが、テスト時には事前に定義されたクラス語彙を前提としています。しかし、意味的コンテキストが未知で継続的に変化する状況では、この前提は実用的ではない場合があります。 ボキャブラリーフリー画像分類（Vocabulary-free Image Classification: VIC）は、事前知識なしで言語によって誘導される無制約の意味空間内のクラスに入力画像を割り当てる技術です。これにより、モデルの柔軟性と適応性が向上し、大きな応用価値を持つと考えられています。