要約
ゼロショット学習（ZSL）は、未見のデータなしで目標カテゴリを認識することを目指す課題であり、セマンティック情報を利用して一部のソースクラスから知識を転送します。近年、ZSLは大きな進歩を遂げていますが、既存の大多数の手法は一般化ゼロショット学習（GZSL）タスクにおいてソースクラスに過学習しやすく、これは目標クラスに関する知識がほとんど学ばれていないことを示しています。この問題に対処するため、我々は新しい転移可能な対照ネットワーク（Transferable Contrastive Network: TCN）を提案します。このネットワークは、画像を異なるクラスと自動的に対照させることで、それらが一貫しているかどうかを判断します。ソース画像から類似する目標クラスへ知識を転送するためにクラスの類似性を利用することで、我々の手法は目標画像の認識に対してより堅牢です。5つのベンチマークデータセットでの実験結果により、我々の手法がGZSLにおいて優れていることが示されています。