제로샷 학습

Zero-Shot Learning (ZSL)은 모델이 훈련 과정에서 만나지 않았던 특정 범주를 인식할 수 있는 능력을 의미합니다. 주요 목표는 지도 학습 단계에서 알려지지 않았던 범주에 대해 효과적인 분류와 인식을 달성하는 것입니다. 현대 자연어 처리(NLP)에서 언어 모델은 미세 조정(fine-tuning) 없이 하위 작업을 평가할 수 있어, 모델의 일반화 능력과 응용 가치를 크게 향상시킵니다. ZSL은 이미지 특징 공간에서 의미 공간으로의 매핑을 학습하거나, 비선형 다중 모달 임베딩을 통해 미리 본 적 없는 범주에 대한 추론을 수행합니다. aPY, AwA, CUB와 같은 벤치마크 데이터셋들은 ZSL 연구에 중요한 지원을 제공해 왔습니다.