혼합된 무표지 자료
표지가 있는 자료와 없는 자료가 주어지고 무표지 자료에는 기존 클래스와 새로운 클래스가 모두 포함될 수 있다. 알려진 클래스만 있거나 새 클래스만 있다고 가정하는 설정보다 일반적인 범주 발견 문제다.
표현과 군집화
원 연구는 비전 트랜스포머에 대조 표현 학습을 적용했다. 이어 반지도 k평균으로 무표지 자료를 이미 본 클래스와 보지 못한 클래스에 자동으로 군집화하는 방법을 제안했다.
클래스 수의 추정
무표지 자료의 클래스 수를 추정하는 방법도 함께 제안했다. 일반 객체 분류 자료와 세밀한 범주 자료에서 평가하고 의미적 신규성을 다루는 Semantic Shift Benchmark도 활용했다.