DCC：分别认识物体和词语，为什么还不会组合描述
课堂上下文：从哪个问题来
本页的缺口发生在“知识如何共同使用”：视觉认识某物体、文字存在对应词，并不自动提供描述时的连接规则。DCC 的新颖对象限定在配对描述资料，而非所有数据。课程零件 K 是解释用例，理解这一限定后再回看 LLaVA 的接口学习。
想象视觉分类器已会识别一种零件 K，文字语料也出现过“零件 K”，但图像描述训练集从没有 K 的配对句子。两个模块分别有知识，不等于联合系统已经知道在什么视觉条件下、怎样把 K 放进一条描述。
DCC 将这个缺口明确为研究设定：某对象不在配对图像—句子训练资料里，却可以出现在独立类别图像和未配对文本中。方法利用这些外部知识并在语义相近概念间迁移，使描述模型能够提及配对训练中缺席的对象。论文在 MSCOCO 上做经验评价，也展示无配对描述的 ImageNet 类别例子。这是“组合与迁移需要额外机制”的正面案例，而不是宣称从所有数据中都没见过对象。
网页零件 K 是课程自定例子，不是原论文类别或逐字输出。它帮助拆开三个来源：视觉证据教“它长什么样”，文字语料教“这个词怎样使用”，配对数据或迁移机制教“在什么画面里应该说它”。若只在两端各测一次准确率，就没有直接检验第三项。
这也预告 P64 的问题。投影层让视觉向量在维度上接得上语言模型，只解决接口的形状；根据视觉条件正确使用已有词语，还需要训练建立联合使用关系。
三份材料分别提供视觉知识、词语知识与配对缺口。 查看对应图解状态
- 课程构造：视觉类别“零件 K”已见，配对描述中未见
- 类别：零件 K
- 文字材料
- “零件 K 安装在支架上。”
- “工人检查了零件 K。”
- 这个词已出现在文字里
- 配对描述训练
- 图像 ↔ 句子
- 已有其他对象的配对
- 缺少零件 K 的配对
- 把两边的知识组合成描述
- DCC 的问题：在配对描述中未见，仍能否说出？
- DCC（CVPR 2016）研究设定的教学转写；零件 K 不是原论文样本或原论文输出。