شبكات توليد الميزات للتعلم بدون أمثلة

معاناة من عدم التوازن الشديد في بيانات التدريب بين الفئات المرئية وغير المرئية، تفشل معظم الطرق الحالية الرائدة في تحقيق نتائج مرضية للمهمة الصعبة للتعلم بدون أمثلة معممة (Generalized Zero-Shot Learning). لتجاوز الحاجة إلى أمثلة مصنفة للفئات غير المرئية، نقترح شبكة مولدة معادية جديدة (Generative Adversarial Network - GAN) تقوم بتكوين خصائص CNN مشروطة بمعلومات دلالية على مستوى الفئة، مما يوفر طريقة مباشرة من وصف دلالي لفئة إلى توزيع خصائص مشروط بالفئة. يُمكن أسلوبنا المقترح، الذي يجمع بين Wasserstein GAN وخسارة التصنيف، من إنتاج خصائص CNN كافية للتفرقة لتدريب تصنيفات softmax أو أي طريقة تمثيل متعددة الأوضاع. تظهر نتائج تجاربنا زيادة كبيرة في الدقة مقارنة بأحدث الأساليب على خمسة مجموعات بيانات صعبة هي CUB وFLO وSUN وAWA وImageNet، سواءً في إعداد التعلم بدون أمثلة أو الإعداد المعمم للتعلم بدون أمثلة.