본 논문은 오픈셋 도메인 일반화(OSDG) 문제를 해결하기 위해, CLIP과 같은 비전-언어 모델의 성능 향상을 목표로 하는 Semantic-enhanced CLIP (SeeCLIP) 프레임워크를 제안한다. 특히, 알려진 클래스와 미지의 클래스 사이의 구조적 위험과 열린 공간 위험 사이의 딜레마를 해결하고, "hard unknowns"에 대한 과신 문제를 해결하는 데 초점을 맞춘다. SeeCLIP은 세밀한 의미론적 향상을 통해 이미지 분해, 듀플렉스 대조 학습, 그리고 의미론적 지침 확산 모듈을 활용하여 성능을 개선한다. 실험 결과, 5개의 벤치마크에서 기존 최고 성능 모델 대비 정확도 3%, H-score 5% 향상을 보였다.
