本論文では、学習時にわずかなアノテーション付きサンプルしか利用できない状況で画像からラベルを推論する問題を取り扱っています。この設定は一般的に低ショット学習と呼ばれ、通常の手法としては、訓練例が豊富な別のクラスで学習された畳み込みニューラルネットワークの最後の数層を再トレーニングすることが挙げられます。我々は、大規模な画像コレクションに基づく半教師あり設定を検討しており、これによりラベル伝播をサポートすることができます。これは、大規模類似グラフ構築における最近の進歩を利用することで可能となります。 我々は、その概念的な単純さにもかかわらず、数億枚の画像に対してラベル伝播をスケーリングすると低ショット学習領域において最先端の精度が得られることを示しています。