[TPAMI 2015] Transductive Multi-View Zero-Shot Learning

[paper]
Valse视频

零样本学习的目标是对识别没有训练样本的新类别。模拟了人类learn to learn的过程。

文章分析了DAP直接属性预测方法的三个缺点：

1. 投影域漂移问题：如斑马的尾巴和猪的尾巴外观很不相同，所以模型预测结果很差
2. 原型稀疏问题：
3. 不能利用多语义表示问题。

提出方法：

1. 将低层特征、语义词向量空间、属性表示空间都映射到一个多视图嵌入空间，通过对齐来解决域漂移的问题。
2. 通过流形结构对齐来解决原型稀疏的问题。
3. 通过多视图语义表示的融合来解决第三个问题。

问题：怎么选取view？信息少的view会不会拉低性能？
deep feature包含的信息比较多。非深度特征的融合会有提升，但是没有deep feature的效果好。