要約
私たちは、部分的に観測されたグラフィカルモデルの推論という観点から、少ショット学習の問題を研究することを提案します。このモデルは、ラベルが観測可能であるか否かに関わらず、入力画像の集合から構築されます。一般的なメッセージパッシング推論アルゴリズムをニューラルネットワークの対応する手法と同化することで、最近提案されたいくつかの少ショット学習モデルを一般化するグラフニューラルネットワークアーキテクチャを定義します。数値的な性能向上に寄与するだけでなく、当該フレームワークは半教師付き学習や能動学習などの少ショット学習のバリエーションにも容易に拡張できることから、グラフベースモデルが「関係的」タスクにおいて良好に動作する能力を示しています。