零样本学习是什么意思？

这种方法依赖于使用辅助信息（如语义属性或文本描述）来弥合训练期间已知（已见）类别和未知（未见）类别之间的差距。必要条件包括为已见和未见类别同时提供这种共享描述信息。它主要应用于分类任务，尤其是视觉识别和自然语言处理，但关键挑战在于确保辅助信息准确反映底层的视觉或概念特征。性能很大程度上取决于辅助数据的质量和相关性。

其核心价值在于应对为每个可能的类别收集标注数据不切实际或不可能的场景。实际应用包括：在野生动物监测中从描述中识别稀有动物物种、根据文本属性在电商中识别新产品类别，或使用源自语言模型的语义嵌入对新型对象图像进行分类。它显著扩展了模型的通用性。