现有的语义分割模型严重依赖于密集的像素级标注。为了减少标注的压力，我们专注于一项具有挑战性的任务，即零标注语义分割，它的目标是用零标注分割不可见的对象。这一任务可以通过语义词嵌入在类别间传递知识来完成。在本文中，我们提出了一种新的基于上下文的零样本分割特征生成方法——CaGNet。特别是在观察到像素级特征高度依赖上下文信息的情况下，我们在分割网络中插入上下文模块来捕获像素级特征的上下文信息，从而指导语义词嵌入生成更加多样化和上下文感知的特征的过程。我们的方法在三个基准数据集上实现了最先进的零样本分割结果。代码可在:this https URL获得。