(1) カテゴリの意味特徴と乱数から当該カテゴリの画像特徴を生成するGANを学習。その際、生成した特徴が実画像のプロトタイプに近づくような正則化を導入 (2) GANで生成した未知カテゴリの画像特徴を用いて分類器を学習する。（正解ラベルのない）未知カテゴリの画像に対してエントロピーの低い予測結果が得られた場合、予測結果を疑似ラベルとしてさらに分類器を学習し、予測精度を高める

カテゴリに対する意味情報が与えられている各種ベンチマークで評価。ZSLでは既存手法を抑えてSOTA。未知カテゴリとともに、学習時にラベル付き訓練画像が与えられるカテゴリについても分類を行う一般化ZSLでは、まちまちの結果。ただし、未知カテゴリに対する精度と既知カテゴリに対する精度の平均では、全てのベンチマークで既存手法を上回る。