この記事では、オープンセットドメイン一般化（OSDG）に関する新たなアプローチが提案されています。既存の手法は、知られているカテゴリと未知のカテゴリ間のリスクのバランスを取ることが難しく、特に「難しい未知」の識別で過信を招く問題があります。著者らは、セマンティック強化CLIP（SeeCLIP）フレームワークを提案し、画像を識別可能なセマンティックトークンに分解することで、このジレンマに立ち向かいます。さらに、デュプレックスコントラスト学習を導入し、知られているクラスからの分離性とセマンティックな近接性を保つことを目指します。また、セマンティックガイド拡散モジュールにより、知られたクラスに視覚的に類似したが局所的に異なる擬似未知サンプルを合成します。5つのベンチマークにおいて、提案手法は従来技術に対し3%の正確性向上と5%のHスコア向上を達成しました。