관련된 기존 클래스의 지식
신규 클래스 발견은 다른 클래스이지만 관련된 표지 자료의 지식을 이용해 무표지 집합에서 새로운 객체 범주를 찾는 문제다. UNO는 지도 학습과 비지도 학습이 서로 보완하도록 목적을 통합한다.
여러 관점의 자기 표지
다중 관점 자기 표지 전략으로 무표지 자료의 의사 표지를 생성한다. 생성한 표지를 정답 표지와 동질적으로 다룰 수 있도록 구성해 두 자료를 하나의 분류 목표로 학습한다.
목적 함수의 단순화
표지가 있는 자료와 없는 자료에 각각 특수한 손실이나 여러 보조 정규화를 붙이는 접근에서 벗어나려는 설계다. 원 연구는 CIFAR-100과 ImageNet을 포함한 신규 클래스 발견 벤치마크에서 평가했다.