基于共性假设的零样本生成模型

摘要

为了解决零样本学习任务中没有未见类视觉数据的问题,提出一种基于条件变分自编码器的零样本生成模型.通过高斯噪声与未见类的辅助语义信息生成未见类的视觉数据,将零样本学习任务转换为监督分类任务.针对基于辅助语义信息生成的未见类视觉数据缺乏真实数据参考的问题,假设未见类别与可见类别的数据分布可分但具有一定的相似性,并基于该假设对生成模型设置一种共性约束正则项.实验证明,该方法在零样本学习与泛零样本学习任务上的表现优于对比方法.