多标签零样本学习

SFR-Net：多标签零样本下水道缺陷检测中的引导-融合-精炼网络

SFR-Net: Steering-Fusion-Refining Network in Multi-label Zero-Shot Sewer Defect Detection

针对稀疏语义描述与复杂管道视觉环境之间的对齐歧义问题，提出参数高效的特征引导（steering）机制与解耦的全局/局部多粒度证据融合，并用已见类的关系逻辑迁移做分数校正；这套「引导-融合-精炼」范式可迁移到其他开放词表/零样本检测任务中缓解视觉-语义对齐歧义。