構成的ゼロショット学習（Compositional Zero-Shot Learning; CZSL）は、属性と物体の組み合わせなど、既に学習された概念に基づいて新しい構成的概念を認識できるモデルの学習を目的としている。その課題の一つとして、異なる物体と相互作用する属性のモデリングが挙げられる。たとえば、「湿ったりんご（wet apple）」における「湿った（wet）」という属性と、「湿った猫（wet cat）」における「湿った（wet）」という属性は、それぞれ異なる意味を持つ。この問題に対処するため、本研究では属性が認識された物体および入力画像に条件付けられていることの分析を行い、属性の条件付き表現を学習する枠組みを提案する。このフレームワークは、属性ハイパーラーナー（attribute hyper learner）と属性ベースラーナー（attribute base learner）を含んでおり、条件付き属性のエンコーディングにより、既視の組み合わせから未視の組み合わせへの一般化を可能にする柔軟な属性埋め込みの生成を実現する。CZSLのベンチマーク、特により困難なC-GQAデータセットを用いた実験により、他の最先端手法と比較して優れた性能が示され、条件付き属性の学習の重要性が裏付けられた。コードは以下のGitHubリポジトリで公開されている：https://github.com/wqshmzh/CANet-CZSL