摘要

本文提出了一种名为LOCL（基于定位的物体属性组合学习，Learning Object Attribute Composition using Localization）的方法，该方法将组合式零样本学习（composition zero-shot learning）推广至杂乱且更接近真实场景的物体识别任务中。尽管未见物体属性（Object-Attribute, OA）组合问题在该领域已得到广泛研究，但现有方法在复杂场景下的性能仍受限。在此背景下，本文的核心贡献在于提出一种模块化方法，在弱监督条件下实现对目标物体及其属性的有效定位，并能鲁棒地推广至未见过的配置。通过将定位与组合分类器相结合，该方法在当前公开的具有挑战性的数据集上显著优于现有最先进（SOTA）方法，性能提升约12%。此外，该方法的模块化设计使得所提取的定位特征可与现有的OA组合学习方法无缝集成，从而进一步提升其整体性能。