초록
제로샷 학습(ZSL)은 데이터가 없는 대상 범주를 인식하는 어려운 문제로, 의미 정보를 활용하여 일부 소스 클래스에서 지식을 전송하는 것을 목표로 합니다. 최근 몇 년 동안 ZSL은 큰 진전을 이뤘지만, 대부분의 기존 접근 방식은 일반화 제로샷 학습(GZSL) 작업에서 소스 클래스에 과적합되기 쉽다는 문제가 있습니다. 이는 그들이 대상 클래스에 대한 지식을 거의 배우지 못함을 의미합니다. 이러한 문제를 해결하기 위해, 우리는 소스 클래스에서 대상 클래스로 명시적으로 지식을 전송하는 새로운 전달 가능한 대조 네트워크(TCN, Transferable Contrastive Network)를 제안합니다. 이 모델은 한 이미지를 다른 클래스들과 자동으로 대조하여 그것들이 일관되다고 판단할 수 있는지 여부를 평가합니다. 소스 이미지에서 유사한 대상 클래스로 지식을 전송하기 위해 클래스 유사성을 활용함으로써, 우리의 접근 방식은 대상 이미지를 인식하는 데 더욱 강건해집니다. 다섯 개의 벤치마크 데이터셋에 대한 실험 결과는 우리의 접근 방식이 GZSL에서 우수함을 보여줍니다.