識別的視覚認識のためのカテゴリレベル属性の設計

属性ベースの表現は、その直感的な解釈とカテゴリ間一般化特性により、視覚認識において大きな可能性を示しています。しかし、属性設計プロセスには通常人間の労力が関与し、表現を得るのがコスト高になります。本論文では、効率的にコンパクトなカテゴリ-属性行列によってエンコードできる識別的「カテゴリレベル属性」を自動的に設計する新しい定式化を提案します。この定式化により、直感的で重要な設計基準（カテゴリ分離性、学習能力）を原則に基づいた方法で達成することができます。設計された属性は、カテゴリ間知識転送のタスクに使用でき、よく知られた属性データセット「Animals with Attributes（AwA）」や大規模なILSVRC2010データセット（120万画像）に対して優れたパフォーマンスを達成します。このアプローチは、AwAでのゼロショット学習タスクにおいても最先端のパフォーマンスをもたらします。