COSTA: ゼロショット分類のための共起統計

本論文では、ゼロショット分類、すなわち既知のクラスからの知識移転を使用して見えないクラスを視覚認識することを目指しています。私たちの主な貢献はCOSTAであり、これは画像内の視覚概念の共起を利用して知識を移転します。これらの相互依存関係は概念間で自然に生じ、既存のアノテーションやウェブ検索結果から簡単に取得できます。私たちは、新しいラベルのための分類器を、関連クラスの加重結合として推定し、共起を使用して重みを定義します。私たちは、これらの共起を活用するためのさまざまなメトリクスを提案し、各関連クラスの重みを学習するための回帰モデルを提案します。また、ゼロショット分類器が少数ショット学習のための先行情報として機能できることも示します。3つのマルチラベルデータセットでの実験では、提案したゼロショット手法が完全に監視されたSVMに近づき、時にはそれを上回る結果を示しています。共起統計がゼロショット分類に十分であることを結論づけました。