要約
ゼロショット学習とは、新しい概念を認識する方法を、それらの記述のみをもとに学ぶことを意味する。この問題が抱える課題に対処するため、多くの高度なアプローチが提案されてきた。本論文では、わずか1行のコードで実装可能なゼロショット学習手法を提案する。この手法は、標準データセット上で最先端の手法を上回る性能を発揮する。本手法は、特徴量、属性、クラスの間の関係を、重みが学習されない上層の重みが環境から与えられる2層の線形ネットワークとしてモデル化するより一般的な枠組みに基づいている。さらに、この種のアプローチをドメイン適応手法として定式化することで、一般化誤差に対する学習限界を導出する。3つの標準的な実データセットを用いた実験の結果、本手法はすべてのデータセットで最先端手法を著しく上回り、性能向上率は最大で17％に達することが確認された。