- …
- …
#900
summarized by : Anonymous
どんな論文か？
generalized zero-shot learningにおいて，教師ラベルがあるデータのためのseenモデル，zero-shot learningを想定したunseenモデルの役割を分担した二つのモデルを用意した上で，その画像がseenかunseenか予測し，それぞれの出力を重みづけして足し合わせる枠組を提案．
新規性
zero-shot learningの枠組のためのunseenモデルに加えて，通常の教師有り学習モデルであるseenモデルも用いることができるような枠組を提案した点．
結果
AWA, SUN, CUB, FLOWERの4つのデータセットで評価を行い，seen，unseenの精度の調和平均で概ね既存手法を上回か互角の性能．互角であったGANを用いたモデルよりは，本手法の方がはるかに軽量なことも主張．
その他（なぜ通ったか？等）
手法そのものは単純といってもいいほどシンプル．しかし，文章の端々からzero-shot learningというタスクについてよく考えてた上でこの手法にたどり着いたことがうかがえる．手法は素朴でも，なぜその手法であるべきなのか，必然性があれば読んでいて面白い．
- …
- …