ضبط اللوغاريتم الصفرية

يُشكل التعلم الصفري العام القائم على الوصفات المعجمية (GZSL) تحديًا في التعرف على الفئات الجديدة أثناء مرحلة الاختبار. وقد مكّنت تطورات النماذج التوليدية التقنيات الحديثة للـ GZSL من التعمق أكثر في العلاقة بين المعنى والصورة، ما أدى إلى شكل ثنائي المراحل يتضمن مولّدًا وفِئَة تصنيف. ومع ذلك، تركز الطرق القائمة على التوليد الحالية على تحسين أداء المولّد مع إهمال تطوير الفئة التصنيفية. في هذا البحث، نقوم أولًا بتحليل خصيصتين للعينات الوهمية المولّدة: التحيّز (bias) والتجانس (homogeneity). ثم نُطبّق الاستدلال البايزي التبادلي (variational Bayesian inference) لاستخلاص مقاييس التقييم العكسية، والتي تعكس التوازن بين الفئات المرئية وغير المرئية. نتيجة لهذا الاستخلاص، تُدمج الخصيصتين السابقتين في تدريب الفئة التصنيفية كـ "أولويات مرئية-غير مرئية" من خلال تعديل الـ logit. ويُسهم تعديل الـ logit الصفري (Zero-Shot Logit Adjustment) في تفعيل الفئات التصنيفية القائمة على المعنى ضمن سياق النماذج القائمة على التوليد في GZSL. تُظهر تجاربنا أن التقنية المقترحة تحقق أفضل أداء ممكنة عند دمجها مع المولّد الأساسي، ويمكنها تحسين مختلف أطر التعلم الصفري القائمة على التوليد. يمكن الاطلاع على الكود الخاص بنا عبر الرابط: https://github.com/cdb342/IJCAI-2022-ZLA.