Single Domain Generalization for Few-Shot Counting via Universal Representation Matching
Huawei Noah’s Ark Lab.（华为诺亚实验室）
针对少样本计数中的域偏移问题，提出首个单域泛化模型URM，通过引入预训练视觉-语言模型的通用表示来增强原型泛化性，在域内和域泛化场景均达最优性能。
2025-05-22 cs.CV
Zero-shot Object Counting with Good Exemplars
Wuhan University of Technology（武汉理工大学）；Wuhan University（武汉大学）；Singapore Management University（新加坡管理大学）；Nanyang Technological University（南洋理工大学）
针对零样本目标计数中难以有效识别高质量样本范例的问题，提出含样本增强与噪声抑制模块的VA-Count框架，借助视觉语言预训练和对比学习优化识别，在两个数据集上实现了更优的零样本计数性能。
2024-07-09 cs.CV
Zero-Shot Object Counting with Language-Vision Models
Stony Brook University（石溪大学）；EPFL（洛桑联邦理工学院）
本文提出零样本目标计数（ZSC）新设定，仅凭类别名称，利用CLIP和Stable Diffusion构建类别原型并选择代表性图像块，再通过计数误差排序模型筛选示例，在FSC-147上验证了有效性。
2023-09-22 cs.CV
A Novel Unified Architecture for Low-Shot Counting by Detection and Segmentation
Faculty of Computer and Information Science, University of Ljubljana（卢布尔雅那大学计算机与信息科学学院）
针对少样本计数中现有方法过度泛化、假阳性多及代理损失导致计数次优的问题，提出GeCo统一架构，通过密集目标查询泛化原型并设计直接优化检测的计数损失，在总计数MAE上超越领先方法约25%。
2024-11-28 cs.CV
Point, Segment and Count: A Generalized Framework for Object Counting
Fudan University（复旦大学）；Sichuan University（四川大学）
本文提出PseCo框架，通过类无关定位提供点提示，结合SAM分割与CLIP分类及分层知识蒸馏，在少样本和零样本目标计数与检测任务上达到最先进性能。
2024-03-27 cs.CV
AdaCount: Training-Free Similarity-Guided Spatial and Feature Adaptation for Zero-Shot Object Counting
Mohamed Bin Zayed University of Artificial Intelligence（莫萨德·本·扎耶德人工智能大学）
针对零样本目标计数在密集小目标场景下的漏检和分割不佳问题，提出无训练框架AdaCount，通过原型驱动相似性图引导空间扭曲和特征调制，提升SAM3对目标区域的表征能力，达到新SOTA。
2026-07-03 cs.CV
VLCounter: Text-aware Visual Representation for Zero-Shot Object Counting
Sungkyunkwan University（成均馆大学）
针对零样本目标计数中两阶段流程的误差传播问题，提出一阶段端到端框架VLCounter，通过引入SPT、LAT和SaSC三个模块优化CLIP的视觉语言表示，在多个数据集上验证了其有效性和对未见类别的泛化能力。
2023-12-31 cs.CV
CountZES: Counting via Zero-Shot Exemplar Discovery and Selection
Mohamed Bin Zayed University of Artificial Intelligence（莫莫德·本·扎耶德人工智能大学）
针对零样本计数中示例质量差导致计数不准的问题，提出CountZES方法，通过检测锚定、密度引导和特征共识三阶段协同选择多样化示例，提升计数准确性。
2026-10-23 cs.CV
Boosting Quantitive and Spatial Awareness for Zero-Shot Object Counting
Northwestern Polytechnical University（西北工业大学）；Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院）；University of Science and Technology of China（中国科学技术大学）；Fudan University（复旦大学）
本文提出QICA框架，通过引入协同提示策略和成本聚合解码器，提升零样本物体计数的定量感知和空间聚合能力，实验表明其在多个数据集上具有优越的泛化性能。
2026-03-17 cs.CV
CoDi -- an exemplar-conditioned diffusion model for low-shot counting
Faculty of Computer and Information Science, University of Ljubljana（计算机与信息科学学院，卢布尔雅那大学）
研究少样本目标计数问题，提出基于潜在扩散的CoDi模型，其核心是基于示例的条件模块，能生成高质量密度图。在FSC和MCAC基准测试中表现出色，分别在少样本等场景及整体上大幅超越现有技术。
2026-07-17 cs.CV
Learning Spatial Similarity Distribution for Few-shot Object Counting
School of Artificial Intelligence, Nanjing University of Science and Technology（南京理工大学人工智能学院）
针对小样本目标计数中二维相似性忽视示例空间分布的问题，本文提出SSD网络，通过四维相似性金字塔、SLM和FCE提升匹配与计数性能，并在FSC-147、CARPK上超越现有方法。
2024-05-20 cs.CV
DAVE -- A Detect-and-Verify Paradigm for Low-Shot Counting
Faculty of Computer and Information Science, University of Ljubljana（卢布尔雅那大学计算机与信息科学学院）
提出基于检测与验证范式的低样本计数器DAVE，通过生成高召回检测集并验证移除异常值，同时提升召回率与精确率，在总计数MAE和检测质量上均优于现有方法并达到新SOTA。
2024-04-25 cs.CV
A Few-Shot Sequential Approach for Object Counting
Element AI
在这项工作中，我们解决的问题，Few-Shot多类对象计数与点级注释。所提出的技术利用类不可知的注意力机制，顺序出席图像中的对象，并提取其相关功能。这个过程中采用了一个适应的原型为基础的Few-Shot的方法，使用提取的功能来分类每一个要么作为一个类中存在的支持集图像或作为背景。所提出的技术是在点级别的注释上训练的，并使用一种新的损失函数，该函数将模型的类相关和类不可知的方面分开，以帮助执行Few-Shot对象计数的任务。我们展示了各种对象计数/检测数据集的结果，包括FSOD和MS COCO。此外，我们引入了一个新的数据集，该数据集专门为弱监督多类对象计数/检测而设计，与现有数据集相比，每个图像包含相当不同的类和类/实例数量分布。我们通过测试我们的系统在一个完全不同的类分布上的训练来证明我们的方法的鲁棒性。
2020-07-07 cs.CV cs.LG
T2ICount: Enhancing Cross-modal Understanding for Zero-Shot Counting
University of Nottingham（诺丁汉大学）；University of St Andrews（圣安德鲁大学）；City University of Hong Kong（香港城市大学）；Nanyang Technology University（南洋理工大学）；Harbin Institute of Technology（哈尔滨工业大学）
T2ICount提出基于扩散模型的零样本计数框架，通过层次化语义校正和区域一致性损失增强文本敏感性，并贡献重新标注的FSC147子集以更好评估，实验性能优越。
2025-10-27 cs.CV
Learning To Count Everything
Stony Brook University（石溪大学）；VinAI Research（VinAI研究院）
现有的视觉计数工作主要集中在一个特定的类别，如人，动物和细胞。在本文中，我们感兴趣的是计数一切，也就是说，计数对象从任何类别只给出了几个注释的实例，从该类别。为此，我们将计数作为一个Few-Shot回归任务。为了解决这个问题，我们提出了一种新的方法，需要一个查询图像连同一些样本对象从查询图像和预测的密度图的存在下，所有感兴趣的对象在查询图像。我们还提出了一种新的适应策略，使我们的网络在测试时适应任何新的视觉类别，只使用来自新类别的几个示例对象。我们还介绍了一个数据集的147个对象类别，包含超过6000张图像，适合于Few-Shot计数任务。图像被注释有两种类型的注释，点和边界框，它们可以用于开发Few-Shot计数模型。在此数据集上的实验表明，我们的方法优于几个国家的最先进的对象检测器和Few-Shot计数方法。我们的代码和数据集可以在https://github.com/cvlab-stonybrook/LearningToCountEverything上找到。
2021-04-16 cs.CV
CounTR: Transformer-based Generalised Visual Counting
Shanghai Jiao Tong University（上海交通大学）；Meituan Inc.（美团公司）；University of Oxford（牛津大学）
本文提出 CounTR，一种基于 Transformer 并结合自监督预训练、有监督微调和范例合成数据的泛化视觉计数模型，在 FSC-147 的零样本与少样本设置下取得最先进性能。
2023-06-02 cs.CV
RECOUNT: Reference-guided Counting with Synthetic Visual Exemplars
Simon Fraser University（西蒙菲莎大学）
RECOUNT是基于合成视觉示例的图像引导零样本计数即插即用框架，通过扩散模型扩展参考图像生成示例库，在两个基准上实现最优零样本计数准确率，大幅降低计数误差。
2026-08-24 cs.CV
Object Counting with GPT-4o and GPT-5: A Comparative Study
Software Engineering Institute, Obuda University, Budapest, Hungary（奥布达大学软件工程研究所）；Doctoral School of Applied Informatics（应用信息科学博士学院）；Applied Mathematics, Obuda University, Budapest, Hungary（应用数学，奥布达大学）；John von Neumann Faculty of Informatics, Obuda University, Budapest, Hungary（约翰·冯·诺伊曼信息学院，奥布达大学）；Faculty of Economics（经济学院）
本文比较了GPT-4o和GPT-5在零样本对象计数任务中的性能，展示了其在FSC-147和CARPK数据集上的表现。
2025-12-02 cs.CV
Robust Zero-Shot Crowd Counting and Localization With Adaptive Resolution SAM
School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）计算机科学与技术学院）；Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系）
针对人群计数模型标注数据需求大的问题，提出自适应分辨率SEEM生成伪标签，结合高斯混合定位与鲁棒损失，通过迭代优化提升性能，实现最优无监督人群计数效果。
2024-08-15 cs.CV
One-Shot Crowd Counting With Density Guidance For Scene Adaptation
Jiangsu Key Laboratory of Intelligent Weather Forecasting and Applications Based on Big Data（江苏大数据智能天气预报与应用重点实验室）；State Key Laboratory of Climate System Prediction and Risk Management (CPRM)（气候变化预测与风险管理国家重点实验室）；ICAR/CIC-FEMD/KLME/ILCEC；Nanjing University of Information Science and Technology（南京信息工程大学）；School of Artificial Intelligence, OPtics and ElectroNics, Northwestern Polytechnical University（人工智能、光学与电子学学院，西北工业大学）；School of Computer Science, Wuhan University（武汉大学计算机学院）；School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院）
提出利用局部和全局密度特征引导模型适应未见过的监控场景，通过多局部密度学习器学习支持场景中的多原型密度分布，并编码局部密度相似性矩阵进行局部引导，同时提取全局密度特征进行全局引导，在三个监控数据集上优于现有方法。
2026-05-30 cs.CV
Generalized-Scale Object Counting with Gradual Query Aggregation
针对现有少样本计数方法在多尺度目标及密集小目标区域的不足，提出端到端方法GECO2，通过渐进式查询聚合生成高分辨率密集查询，提升计数和检测精度10%，速度快3倍且内存占用更小。
2025-11-11 cs.CV
Application-Driven AI Paradigm for Person Counting in Various Scenarios
China Unicom（中国联合网络通信集团有限公司）
人员计数是视频监控中的一项基本任务。然而，在实际应用中的场景多样性使得它很难开发一个单一的人计数模型的一般用途。因此，工程师必须预览视频流，并根据摄像头拍摄的场景手动指定合适的人数统计模型，这非常耗时，特别是对于大规模部署。在本文中，我们提出了一个人计数范例，利用场景分类器自动选择一个合适的人计数模型为每个捕获的帧。首先，输入图像通过场景分类器以获得场景标签，然后使用该场景标签将帧分配给五个微调模型之一以进行人员计数。此外，我们提出了从不同的场景，包括侧视图，长镜头，俯视图，定制和人群，这也是集成到形成一个场景分类数据集包含26323个样本收集的增强数据集。在我们的对比实验中，所提出的范例实现了更好的平衡比任何单一的模型在集成数据集，从而在各种情况下的推广已被证明。
2023-03-24 cs.CV
Object Counting: You Only Need to Look at One
Xi'an Jiaotong University（西安交通大学）
本文的目的是解决具有挑战性的任务，一次性的对象计数。给定一个包含新的、以前看不见的类别对象的图像，任务的目标是仅用一个支持限界框示例来计数所需类别中的所有实例。为此，我们提出了一个计数模型，通过该模型，您只需查看一个实例（LaoNet）。首先，特征关联模块结合自注意和相关注意模块来学习内部关系和相互关系。它使网络对不同实例之间的旋转和大小不一致具有鲁棒性。其次，设计了尺度聚合机制，以帮助提取具有不同尺度信息的特征。与现有的Few-Shot计数方法相比，LaoNet实现了最先进的结果，同时具有很高的收敛速度。代码将很快可用。
2021-12-11 cs.CV
Few-shot Object Counting with Similarity-Aware Feature Enhancement
Shanghai Jiao Tong University（上海交通大学）；SenseTime（商汤科技）；Tencent（腾讯）；Tsinghua University（清华大学）
本工作研究了Few-Shot对象计数问题，该问题计算样本对象的数量（即，由一个或几个支持图像描述）。主要的挑战在于，目标对象可以密集地包装在查询图像中，使得很难识别每一个。为了解决这个问题，我们提出了一个新的学习块，配备了一个相似性比较模块和一个特征增强模块。具体地说，给定一个支持图像和一个查询图像，我们首先通过比较它们在每个空间位置的投影特征来获得得分图。关于所有支持图像的得分图被收集在一起，并在样本维度和空间维度上进行归一化，从而产生可靠的相似性图。然后，我们增强了查询功能的支持功能，采用开发的逐点相似性作为加权系数。这样的设计鼓励模型通过更多地关注与支持图像类似的区域来检查查询图像，从而使不同对象之间的边界更加清晰。在各种基准测试和训练设置上的广泛实验表明，我们以足够大的幅度超过了最先进的方法。例如，在最近的一个大规模FSC-147数据集上，我们通过将平均绝对误差从22.08提高到14.32（35% $\uparrow$），超越了最先进的方法。代码已在https://github.com/zhiyuanyou/SAFECount上发布。
2022-09-11 cs.CV
Semantic Generative Augmentations for Few-Shot Counting
Cnam Paris（巴黎国立工艺学院）；Université Paris-Saclay（巴黎萨克雷大学）；CEA List（法国原子能与替代能源委员会信息技术与系统实验室）
本文提出利用文本提示与密度图双重条件控制 Stable Diffusion 生成合成图像，并通过交换图像描述增强多样性，从而有效提升少样本类别无关计数模型在 FSC147 和 CARPK 上的准确率。
2023-10-26 cs.AI cs.CV cs.LG
Every Shot Counts: Using Exemplars for Repetition Counting in Videos
University of Bristol（布里斯托尔大学）；University of Twente（特文特大学）
提出基于示例的ESCounts模型，通过编码器-解码器学习视觉对应关系和通用重复运动潜在表示，实现视频重复计数与零样本推理，在三个数据集上达到最先进性能。
2024-10-13 cs.CV eess.IV
CLIP-Count: Towards Text-Guided Zero-Shot Object Counting
The Hong Kong Polytechnic University（香港理工大学）
本文提出CLIP-Count，首个文本引导的零样本开放词汇目标计数端到端框架，通过图像块-文本对比损失和分层交互模块对齐视觉-语言特征，在多个计数数据集上取得最先进性能。
2023-08-10 cs.AI cs.CV
Vision Transformer Off-the-Shelf: A Surprising Baseline for Few-Shot Class-Agnostic Counting
Huazhong University of Science and Technology（华中科技大学）
本文提出 CACViT，将类别无关计数简化为单个预训练普通 ViT 中的同步特征提取与匹配，并通过尺度和数量级嵌入补偿信息损失，在 FSC147 与 CARPK 上显著优于现有方法。
2024-03-04 cs.CV
SQLNet: Scale-Modulated Query and Localization Network for Few-Shot Class-Agnostic Counting
Peng Cheng Laboratory（鹏城实验室）；Guangdong University of Technology（广东工业大学）
本文提出 SQLNet，一种基于定位的少样本类无关计数方法，通过分层样本协同增强、样本统一查询相关和尺度感知多头定位模块，在查询和定位阶段充分利用样本尺度信息，在计数、定位和边界框生成任务上均优于现有最先进方法。
2025-07-10 cs.CV
HAJJv2-CrowdCount: Zero-Shot Benchmark for Dense Crowd Counting
研究针对朝觐视频人群计数难题，重新审视HAJJv2数据集并给出每秒人工标注。通过该标注对三种零样本计数范式测试，发现SAM3Count总体误差最低，且在密集帧上基于点的计数器性能下降更平缓，为朝觐人群管理提供决策参考。
2026-07-09 cs.AI cs.CV
Mutually-Aware Feature Learning for Few-Shot Object Counting
Department of Artificial Intelligence, Sungkyunkwan University（人工智能系，全州大学）；Department of Computer Science and Engineering, Sungkyunkwan University（计算机科学与工程系，全州大学）
本文提出MAFEA框架，通过互知特征学习解决少样本目标计数中的目标混淆问题，实现多类别场景下的鲁棒性能。
2025-12-02 cs.AI cs.CV
Efficient Few-Shot Neural Architecture Search by Counting the Number of Nonlinear Functions
Yonsei University（延世大学）；Korea Institute of Science and Technology (KIST)（韩国科学技术研究院）
提出一种基于非线性函数数量划分搜索空间的高效少样本NAS方法，通过减少通道维度和超网平衡采样技术，在标准基准上实现了高效且有效的架构搜索。
2024-12-19 cs.CV
A Unified approach for Conventional Zero-shot, Generalized Zero-shot and Few-shot Learning
零样本学习中流行的技术不能很好地推广到其他相关的问题场景。在这里，我们提出了一个统一的方法为传统的zero-shot，广义zero-shot和少样本学习问题。我们的方法是基于一个新的类自适应主方向（CAPD）的概念，允许多个嵌入到一个语义空间的图像特征。给定一个图像，我们的方法为每个可见类生成一个主方向。然后，它学习如何组合这些方向以获得每个未见过类的主方向，使得测试图像的CAPD与真实类的语义嵌入对齐，并且与其他类相反。这允许从可见类到不可见类的有效和类自适应信息传输。此外，我们提出了一个自动的过程中，选择最有用的看到的类为每个看不见的类，以实现鲁棒性零样本学习。我们的方法可以更新看不见的CAPD，利用很少的看不见的图像在少样本学习的情况下工作。此外，我们的方法可以通过估计可见-不可见的多样性来推广可见的CAPD，这显著提高了广义零样本学习的性能。我们的广泛的评估表明，所提出的方法一贯取得优异的性能在zero-shot，广义zero-shot和少数/一次性学习问题。
2017-10-26 cs.CV
GCNet: Probing Self-Similarity Learning for Generalized Counting Network
Zhejiang Sci-Tech University（浙江理工大学）；Lanzhou University（兰州大学）；Dalian Maritime University（大连海事大学）；University of Guelph（圭尔夫大学）
类不可知计数（CAC）问题由于其广泛的社会应用和艰巨的挑战，近年来受到越来越多的关注。为了统计不同类别的对象，现有的方法依赖于用户提供的样本，这是很难获得的，并限制了它们的通用性。在本文中，我们的目标是授权框架识别整个图像中的自适应样本。提出了一种zero-shot广义计数网络（GCNet），该网络采用伪连体结构，能够有效地从固有的重复模式中自动学习伪样本线索。此外，提出了一种弱监督方案，以减少所有当代CAC模型所需的费力密度图的负担，允许GCNet以端到端的方式使用计数级监督信号进行训练。在不提供任何空间位置提示的情况下，GCNet能够通过精心设计的自相似性学习策略自适应地捕获它们。广泛的实验和消融研究的流行基准FSC 147 zero-shot CAC证明了我们的GCNet的优越性。它的性能与现有的样本依赖方法相当，并在特定人群的数据集上显示出惊人的跨数据集通用性，例如，上海理工大学A部分、B部分和UCF_QNRF。
2023-02-10 cs.CV
Counting the Cost of War Under Satellite Embargo: Zero-Shot Estimation of Impacted Infrastructure
Bangladesh University of Engineering and Technology（孟加拉国工程技术大学）
针对冲突区人道主义救援中受影响建筑估计受卫星数据禁运阻碍的问题，提出基于打击前地图的零样本几何投影方法，引入两项技术创新，在2026年中东冲突数据上验证了深度增强大视觉语言模型的优势，确立了混合零样本危机映射范式。
2026-08-04 cs.AI cs.CV
Context-Aware Zero-Shot Recognition
TTI-Chicago（丰田工业大学芝加哥分校）；Vaitl Inc.（Vaitl公司）；Seoul National University（首尔国立大学）；ByteDance AI Lab（字节跳动人工智能实验室）
我们提出了一种新的问题设置在零样本学习，zero-shot对象识别和检测的上下文中。与传统的零样本学习方法相反，该方法通过从语义相似的可见类别的对象转移知识来简单地推断不可见类别，我们的目标是使用对象间关系先验来理解已知对象包围的图像中的新对象的身份。具体来说，我们利用视觉背景和几何关系的所有对对象在一个单一的图像，并捕捉有用的信息来推断看不见的类别。我们将我们的上下文感知零样本学习框架无缝地集成到传统的零样本学习技术中，使用条件随机场（CRF）。所提出的算法进行评估上的zero-shot区域分类和zero-shot检测任务。在Visual Genome（VG）数据集上的结果表明，与传统方法相比，我们的模型通过额外的视觉上下文显着提高了性能。
2019-04-24 cs.CV
AgriCountDINO: Parameter-Efficient Exemplar-Guided Counting and Localization in Agriculture
University of Bologna（博洛尼亚大学）；Politecnico di Milano（米兰理工大学）；Forschungszentrum Jülich（于利希研究中心）
AgriCountDINO提出参数高效的示例引导计数与定位框架，利用冻结DINOv3特征和少量参数，在TPC-268上实现低误差计数并提升零样本泛化能力。
2026-09-25 cs.AI cs.CV
A New Split for Evaluating True Zero-Shot Action Recognition
University of Edinburgh（爱丁堡大学）；Facebook AI Research（Facebook人工智能研究院）
Zero-shot动作识别是对训练集中不可用的动作类别进行分类的任务。在这种情况下，标准的评估协议是使用现有的动作识别数据集（例如UCF 101），并将类随机分为可见和不可见。然而，最近的工作建立在Kinetics数据集上预先训练的表示上，其中类与zero-shot评估数据集中的类在很大程度上重叠。因此，在监督预训练期间存在应该是不可见的类，从而使zero-shot设置的条件无效。几年前，对于基于图像的zero-shot识别，先前已经注意到类似的关注，但是尚未被zero-shot动作识别团体考虑。在本文中，我们提出了一个新的分裂真正的zero-shot动作识别与看不见的测试类和训练或预训练类之间没有重叠。我们基准最近的几种方法上提出的真正的零杆（TruZe）分裂UCF 101和HMDB 51，与zero-shot和广义zero-shot评价。在我们广泛的分析中，我们发现我们的TruZesplits比类似的随机分裂要难得多，因为没有任何东西从预训练中泄露出来，即看不见的性能一直较低，对于zero-shot动作识别高达8.9%。在另外的评估中，我们还发现在Few-Shot动作识别中使用的分割中存在类似的问题，在这里我们看到高达17.1%的差异。我们发表了我们的分裂1，并希望我们的基准分析将改变该领域如何评估零镜头和Few-Shot动作识别向前发展。
2021-09-13 cs.CV
ConZIC: Controllable Zero-shot Image Captioning by Sampling-Based Polishing
Xidian University（西安电子科技大学）
Zero-shot能力被认为是深度学习的一场新革命，它让机器在没有精心策划的训练数据的情况下完成任务。作为zero-shot图像描述（IC）的一个良好开端和唯一现有成果，ZeroCap放弃了监督训练，并使用大规模预训练模型的知识顺序搜索标题中的每个单词。虽然有效，它的自回归生成和梯度定向搜索机制限制了字幕的多样性和推理速度。此外，ZeroCap没有考虑zero-shot IC的可控性问题。为了向前推进，我们提出了一个框架，可控Zero-shot IC，命名为ConZIC。ConZIC的核心是一种新的基于采样的非自回归语言模型GibbsBERT，它可以生成并不断地打磨每个单词。大量的定量和定性结果表明，我们提出的ConZIC的优越性能的zero-shot集成电路和可控zero-shot IC。特别是，ConZIC的生成速度比ZeroCap快约5倍，多样性得分高约1.5倍，在不同的控制信号下都能准确生成。
2023-03-09 cs.CV
TARN: Temporal Attentive Relation Network for Few-Shot and Zero-Shot Action Recognition
Queen Mary University of London（伦敦玛丽女王大学）
本文提出了一种新型的时间注意力关系网络（TARN）来解决少镜头（Few-Shot）和零镜头（zero-shot）动作识别问题。我们网络的核心是一种元学习方法，它学习比较可变时间长度的表示，即不同长度的两个视频（在Few-Shot动作识别的情况下）或视频和语义表示（如单词向量）（在zero-shot动作识别的情况下）。通过对比其他作品中的Few-Shot和zero-shot动作识别，我们a）利用注意力机制，以便执行时间对齐，和b）学习的深距离测量对齐表示在视频段级别。我们采用基于场景的培训计划，并以端到端的方式对我们的网络进行训练。所提出的方法不需要在目标域中进行任何微调，也不需要像记忆网络那样维护额外的表示。实验结果表明，该框架在Few-Shot动作识别方面优于现有技术，在zero-shot动作识别方面也取得了较好的效果。
2019-07-21 cs.CV
ZIP: Scalable Crowd Counting via Zero-Inflated Poisson Modeling
针对传统人群计数方法中MSE损失存在的标注稀疏性适配差、与离散计数数据匹配度低的问题，提出基于零膨胀泊松似然的ZIP框架，在多基准数据集上全模型规模均达SOTA。
2025-07-31 cs.CV
Learning to Count Anything: Reference-less Class-agnostic Counting with Weak Supervision
University of Oxford（牛津大学）
目前的类不可知计数方法可以推广到看不见的类，但通常需要参考图像来定义要计数的对象类型，以及训练期间的实例注释。无参考类不可知计数是一个新兴的领域，其核心是将计数识别为重复识别任务。这样的方法便于对变化的集合组成进行计数。我们表明，一个一般的特征空间与全球范围内可以枚举实例在图像中没有一个事先的对象类型存在。具体来说，我们证明了回归视觉Transformer功能没有点级监督或参考图像优于其他参考少的方法，并与使用参考图像的方法具有竞争力。我们在当前标准的Few-Shot计数数据集FSC-147上显示了这一点。我们还提出了一个改进的数据集，FSC-133，从FSC-147中删除错误，模糊性和重复图像，并在其上表现出类似的性能。据我们所知，我们是第一个弱监督的无参考类不可知计数方法。
2022-09-05 cs.CV
APRIL-GAN: A Zero-/Few-Shot Anomaly Classification and Segmentation Method for CVPR 2023 VAND Workshop Challenge Tracks 1&2: 1st Place on Zero-shot AD and 4th Place on Few-shot AD
Zhejiang University（浙江大学）；Tencent（腾讯）
本方法基于CLIP模型并添加线性层映射图像特征至联合嵌入空间，利用记忆库存储参考特征，在VAND 2023挑战赛中零样本赛道获第一名（分割F1提升0.0489），少样本赛道获第四名（分类F1为0.8687）。
2023-10-11 cs.CV
Can SAM Count Anything? An Empirical Study on SAM Counting
Shenzhen Institute of Advanced Technology, Chinese Academy of Science（中国科学院深圳先进技术研究院）；Harbin Institute of Technology（哈尔滨工业大学）；Peng Cheng Laboratory（鹏城实验室）
本文实证评估 SAM 在少样本目标计数任务上的能力，发现未经微调的 SAM 相比现有方法表现不佳，尤其难以处理小型和拥挤目标。
2023-04-21 cs.AI cs.CV
Count What You Want: Exemplar Identification and Few-shot Counting of Human Actions in the Wild
Stony Brook University（石溪大学）；VinAI；Posts & Telecommunications Institute of Technology（邮电技术研究院）
本文提出基于示例的少样本框架，通过语音示例计数可穿戴传感器数据中的动作，在37名受试者、50类动作的数据集上平均误差7.47，优于频率和Transformer方法。
2023-12-28 cs.AI cs.CV
PEVA-Net: Prompt-Enhanced View Aggregation Network for Zero/Few-Shot Multi-View 3D Shape Recognition
Institute for Infocomm Research, A*STAR（新加坡科研局信息通信研究院）
本文提出PEVA-Net，利用CLIP和提示增强视图聚合，同时解决零样本与少样本多视图三维形状识别，并通过零样本描述符引导的自蒸馏提升少样本学习效果。
2024-04-30 cs.CV
Zero-Shot Task Transfer
Indian Institute of Technology, Hyderabad（印度理工学院海得拉巴分校）
在这项工作中，我们提出了一种新的Meta学习算法，即TTNet，回归模型参数的新任务，没有地面真理是可用的（zero-shot任务）。为了适应新的zero-shot任务，我们的元学习器从已知任务的模型参数（具有地面真实值）和已知任务与zero-shot任务的相关性中学习。这种直觉在认知科学中找到了立足点，在认知科学中，主体（人类婴儿）可以通过将其与旧概念（手部运动或自我运动）相关联来适应新概念（深度理解），而无需接受明确的监督。我们在Taskonomy数据集上评估了我们的模型，其中有四个任务为zero-shot：表面法线，房间布局，深度和相机姿态估计。这些任务是基于数据采集复杂性和与使用深度网络的学习过程相关联的复杂性来选择的。我们提出的方法在我们的每个zero-shot任务上的表现优于最先进的模型（使用地面实况），显示了对zero-shot任务传输的承诺。我们还进行了大量的实验，研究我们的方法的各种选择，以及如何提出的方法也可以用于迁移学习。据我们所知，这是第一次在任务空间中进行零样本学习。
2019-03-04 cs.CV
Few-Shot Adaptation of Grounding DINO for Agricultural Domain
Corteva Agriscience（科迪华农业科技）
本文提出一种少样本适配方法，通过移除 Grounding-DINO 的 BERT 文本编码器并引入可训练文本嵌入，在多个农业检测与遥感任务中显著超越 YOLO 和现有最优方法，为农业 AI 自动化标注提供高效方案。
2025-04-09 cs.CV
Infrared Domain Adaptation with Zero-Shot Quantization
Graduate School of Informatics, Middle East Technical University（中东技术大学信息学研究生院）
本文提出一种针对红外域目标检测模型的零样本量化框架，利用批量归一化统计数据蒸馏校准数据，在无训练数据条件下有效实现模型量化。
2024-08-25 cs.CV
FocalCount: Towards Class-Count Imbalance in Class-Agnostic Counting
Wuhan University of Technology（武汉理工大学）；Singapore Management University（新加坡管理大学）；Wuhan University（武汉大学）
针对类别无关计数中类别-数量不平衡导致的计数偏差，本文提出FocalCount及Focal-MSE损失，利用类别数量估计加权并强化稀有类别误差梯度，在三个数据集的少样本与零样本设置中取得更优性能。
2025-02-15 cs.CV
Context-aware Feature Generation for Zero-shot Semantic Segmentation
Shanghai Jiao Tong University（上海交通大学）
现有的语义分割模型严重依赖于密集的逐像素注释。为了减少标注的压力，我们专注于一个具有挑战性的任务命名为zero-shot语义分割，其目的是分割看不见的零注释对象。这个任务可以通过语义词嵌入跨类别传递知识来完成。在本文中，我们提出了一种新的上下文感知的zero-shot分割称为CaGNet的特征生成方法。特别是，观察到一个像素级的功能高度依赖于其上下文信息，我们插入一个上下文模块在分割网络捕捉像素级的上下文信息，这指导了从语义词嵌入生成更多样化和上下文感知功能的过程。我们的方法在三个基准数据集上实现了最先进的结果，用于zero-shot分割。代码可在https://github.com/bcmi/CaGNet-Zero-Shot-Semantic-Segmentation上获得。
2020-08-16 cs.CV
Zero-Shot Semantic Segmentation via Spatial and Multi-Scale Aware Visual Class Embedding
MINDsLab Inc.（MINDsLab 公司）；Agency for Defense Development（国防发展局）
全监督语义分割技术带来了场景理解的范式转变。然而，昂贵的标签成本负担仍然是一个挑战。为了解决成本问题，近年来的研究提出了基于语言模型的zero-shot语义分割（L-SLOSS）方法。在本文中，我们解决了L-CSSs的局限性，推广是一个优点，零样本学习。针对这一局限性，本文提出了一种无语言模型的zero-shot语义分割框架--空间和多尺度感知的视觉类嵌入网络（SM-VCENet）。此外，利用面向视觉的类嵌入SM-VCENet通过多尺度注意和空间注意丰富了类嵌入的视觉信息。我们还提出了一个新的基准（PASCAL 2 COCO）的zero-shot语义分割，它提供了泛化评价领域自适应，并包含视觉上具有挑战性的样本。在实验中，我们的SM-VCENet优于zero-shot语义分割国家的最先进的PASCAL-5i基准测试的相对利润，并显示在PASCAL 2COCO基准测试的泛化鲁棒性。
2021-12-20 cs.CV
Dynamic VAEs with Generative Replay for Continual Zero-shot Learning
Indian Institute of Science（印度科学研究院）
连续零样本学习（Continual zero-shot learning，CSCL）是一个新的领域，用于对模型在训练过程中没有看到的对象进行顺序分类。它比zero-shot和持续学习方法更适用于实际情况，即数据可能连续地只具有少数类的属性和其他类的属性和特征。持续学习（CL）遭受灾难性遗忘，并且由于在训练期间缺乏实际数据（或特征），零样本学习（ZNL）模型不能像最先进的监督分类器那样对对象进行分类。本文提出了一种新的连续零样本学习（DVGR-CQML）模型，该模型随着每个任务的大小而增长，并使用生成重放来更新先前学习的类以避免遗忘。我们证明了我们的混合模型（DVGR-CNOL）优于基线，并且在几个数据集上是有效的，即，CUB、AWA 1、AWA 2和aPY。我们表明，我们的方法是优越的任务顺序学习的零样本学习（Zero-Shot Learning）。我们还讨论了我们的结果对太阳数据集。
2021-04-26 cs.CV
AdaTreeFormer: Few Shot Domain Adaptation for Tree Counting from a Single High-Resolution Image
College of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院）；Shanghai Institute of Intelligent Science and Technology, Tongji University（同济大学上海智能科学与技术研究院）；King’s College London（伦敦国王学院）
本文提出AdaTreeFormer框架，通过共享编码器、跨域注意力对齐和对抗学习，在仅少量目标域标注样本的条件下实现单张高分辨率图像的树木计数域自适应，并在多个数据集上显著超越现有方法。
2024-06-30 cs.CV cs.LG
