研究人员引入了组合原始字段（CPF-GCD），这是一个旨在改进广义类别发现（GCD）的新框架。该方法通过重塑特征空间以使潜在结构可识别，从而解决了标准视觉骨干的局限性。CPF-GCD假设所有类别都可以表示为可学习视觉原语的组合和空间排列，有效地将图像分解为可重用的原子部分及其布局。实验表明，CPF-GCD在各种GCD基线中持续提升性能，突显了低秩组合结构对于开放世界识别的重要性。 AI
影响 这项研究可能带来更强大的AI系统，使其能够在现实场景中识别未知类别。
排序理由 该集群包含一篇详细介绍广义类别发现新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.00620v1 Announce Type: cross Abstract: Generalized Category Discovery (GCD) aims to recognize known classes while autonomously discovering novel ones in open-world settings. However, current approaches primarily focus on designing clustering objectives, often overlooki…
Generalized Category Discovery (GCD) aims to recognize known classes while autonomously discovering novel ones in open-world settings. However, current approaches primarily focus on designing clustering objectives, often overlooking a critical bottleneck: standard vision backbone…