要約
本論文では、既知クラスのソースドメインとターゲットドメインのデータが提供されるゼロショット学習問題のバージョンを取り扱います。テスト時には、未見クラスの属性などのソースドメインの補助情報に基づいて、未見ターゲットドメインインスタンスのクラスラベルを正確に予測することを目指します。当手法は、各ソースまたはターゲットデータを既知クラスの比率の混合と捉えることに基づいており、2つのインスタンスが同じ未見クラスに属する場合、その混合パターンは類似すると仮定します。この視点から、任意のソースまたはターゲットドメインデータを同じ意味空間にマッピングするソース/ターゲット埋め込み関数を学習します。これにより、類似性が容易に測定できるようになります。我々は最大余裕（max-margin）フレームワークを開発し、クロスバリデーションによってこれらの類似性関数のパラメータを共同で最適化します。テスト結果は説得力があり、ゼロショット認識におけるほとんどのベンチマークデータセットにおいて精度が大幅に向上しました。