要約
視覚属性のモデリングにおける新しいアプローチを提案します。従来の研究では、属性をオブジェクトと同様の役割として扱い、潜在表現を学習することで、属性（例：スライスされた）が分類器によって認識される仕組みをオブジェクト（例：リンゴ）の認識方法に準じて実現していました。しかし、この一般的なアプローチは、訓練中に観察された属性とそれらが構成するオブジェクトを分離できないため、新しい属性-オブジェクトの組み合わせに遭遇した際に効果的でないという問題があります。そこで、我々は属性を演算子としてモデル化することを提案します。本アプローチでは、意味的な埋め込み表現を学習し、属性と伴うオブジェクトを明示的に分離します。また、新しい正則化項を使用することで、属性演算子の効果（例：鈍いは鋭いの効果を取り消すべきである）を表現することができます。これにより、言語における属性の修飾子としての役割と概念的に一致するとともに、未見の属性-オブジェクト組み合わせも認識できるようになります。我々は2つの困難なデータセットに対して本アプローチを検証し、既存の最先端手法に対する大幅な改善を示しました。さらに、オープンワールド設定において未見の組み合わせを堅牢に認識できることだけでなく、訓練中にそのオブジェクト自体が未見であった場合でも組み合わせへの一般化が可能であることを示しています。