在将现有框架推广至广义零样本学习时，一个必须正面突破的关键挑战——域偏置（Domain Bias）——亟需被有效解决。本文所提出的基于语义知识的域检测方法，设计思路相当直观：首先通过域检测将未见类别与已见类别明确区分，随后分别使用两个独立模型在各目的域内执行分类任务。这一策略能够显著缓解域偏置问题，使整体方案更具备实用性与落地能力。

接下来介绍这项研究的主要贡献者——董秋雷，中国科学院自动化研究所研究员、博士生导师。他于2008年在中国科学院自动化研究所获得博士学位后，一直深耕于模式识别国家重点实验室，期间曾赴加州大学洛杉矶分校（UCLA）进行访问研究。目前，董秋雷同时还担任中国科学院大学岗位教授、中国科学院脑科学与智能技术卓越创新中心青年骨干，并兼任《Journal of Computer Science and Technology》青年编辑、中国自动化学会模式识别与机器智能专业委员会委员、北京人工智能学会理事，以及多个国际学术会议的程序委员会委员。他曾主持国家自然科学基金联合基金重点项目、科技部科技创新2030重大项目课题、中国科学院战略先导专项课题等国家级科研项目。2020年，荣获中国科学院朱李月华优秀教师奖。其核心研究方向覆盖模式识别、计算机视觉以及基于生物视觉机理的计算建模。