論文の概要: A statistical approach to bias in zero-shot learning: the lens of handwriting recognition

• arxiv url: http://arxiv.org/abs/2609.10084v1
• Date: Wed, 09 Sep 2026 12:06:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:09.023766
• Title: A statistical approach to bias in zero-shot learning: the lens of handwriting recognition
• Title（参考訳）: ゼロショット学習におけるバイアスに対する統計的アプローチ--手書き認識のレンズ-
• Abstract要約: 汎用ゼロショット学習(GZSL)は、視覚認識システムにとって重要なパラダイムである。 本稿では,従来のGZSL機能学習者をブラックボックス機構とみなして,このバイアスを補正するための統計的アプローチを提案する。 未確認単語の分類において,確立した手法と比較して20%以上の精度向上を実現した。
• 参考スコア（独自算出の注目度）: 5.701736491817928
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generalized zero-shot learning (GZSL) has emerged as an important paradigm for visual recognition systems that must generalize to classes that were not observed during training. Traditional GZSL techniques are limited by their applicability to a relatively small number of such unseen classes, scalability beyond which is challenging due to its well-known misclassification bias towards classes observed during training. In this work, we investigate the GZSL paradigm through the lens of zero-shot handwritten word recognition over extremely large vocabularies. We propose a statistical approach to rectifying this bias, which views any classical GZSL feature learner as a black box mechanism whose intrinsic bias in identifying the training status (seen vs. unseen) of a typical data point we aim to correct, similar to an out of distribution inferential problem. Our method leverages a simple two-stage hierarchical architecture, combining a classical GZSL blackbox in the first stage and an ensemble of lightweight Monte Carlo bias-correctors in the second. Once debiased, the classification of test data is undertaken only restricted to its predicted training status via well-founded statistical methods (eg nearest neighbour, logistic regression and random forests). We achieve relative accuracy improvements of over 20% in the classification of unseen words compared to established techniques. A key outcome is that word recognition over large scale vocabularies is amenable to a much lower dimensional representation (~15 dimensions). Our approach is underpinned by mathematical analysis that captures the essence of the statistical approach to bias correction. Our approach to bias rectification can be combined in a turn-key fashion with any classical GZSL learner as a blackbox, thereby suggesting a wide scope of applicability of this method for a wide variety of GZSL implementations in different domains.
• Abstract（参考訳）: 一般ゼロショット学習(GZSL)は、訓練中に観察されなかったクラスに一般化する必要がある視覚認識システムにおいて重要なパラダイムとして登場した。 従来のGZSL技術は、比較的少数の未確認クラスに適用可能であるため、その拡張性は、トレーニング中に観察されたクラスに対するよく知られた誤分類バイアスのために困難である。 本研究では,超大型語彙に対するゼロショット手書き文字認識のレンズによるGZSLパラダイムの検討を行う。 そこで本研究では,従来のGZSL特徴学習者は,このバイアスをブラックボックス機構とみなす統計的手法を提案する。 本手法では,2段階の階層構造を利用して,第1段の古典的GZSLブラックボックスと第2段の軽量モンテカルロバイアス補正器のアンサンブルを組み合わせる。 一度バイアスを省くと、テストデータの分類は、よく確立された統計的手法(近辺、ロジスティック回帰、ランダム森林など)によって、予測されたトレーニング状態に限られる。 未確認単語の分類において,確立した手法と比較して20%以上の精度向上を実現した。 主要な結果は、大規模語彙に対する単語認識が、より低次元の表現(約15次元)に対応可能であることである。 我々のアプローチは、偏り補正に対する統計的アプローチの本質を捉える数学的分析によって支えられている。 従来のGZSL学習者をブラックボックスとしてターンキー方式で組み合わせることで,様々な領域のGZSL実装に対して,本手法の適用範囲が広いことを示唆する。

関連論文リスト

• Interpretable Zero-Shot Learning with Locally-Aligned Vision-Language Model [56.573203512455706]
  大規模視覚言語モデル(VLM)は、大規模視覚テキストペアデータセットを活用することでゼロショット学習(ZSL)において顕著な成功を収めた。 この問題に対処する1つのアプローチは、言語を統合することで解釈可能なモデルを開発することである。 本稿では,ZSLを解釈可能な言語モデルであるLaZSLを提案する。
  論文  参考訳（メタデータ） (2025-06-30T13:14:46Z)
• Probably Approximately Precision and Recall Learning [60.00180898830079]
  機械学習における重要な課題は、一方的なフィードバックの頻度である。 本稿では,確率的近似(PAC)フレームワークを導入し,各入力をラベルの集合にマッピングする仮説を定めている。 我々は、正のデータのみから学習する新しいアルゴリズムを開発し、実現可能な場合において最適なサンプル複雑性を実現する。
  論文  参考訳（メタデータ） (2024-11-20T04:21:07Z)
• Semi-Supervised Learning in the Few-Shot Zero-Shot Scenario [14.916971861796384]
  Semi-Supervised Learning (SSL)は、ラベル付きデータとラベルなしデータの両方を利用して、モデルのパフォーマンスを向上させるフレームワークである。 既存のSSLメソッドを拡張し、特定のクラスが欠落している状況に対処するための一般的なアプローチを提案する。 実験の結果,最先端のSSL,オープンセットのSSL,オープンワールドのSSLメソッドと比較して,精度が大幅に向上した。
  論文  参考訳（メタデータ） (2023-08-27T14:25:07Z)
• Bi-directional Distribution Alignment for Transductive Zero-Shot Learning [48.80413182126543]
  そこで我々は,Bi-VAEGANと呼ばれる新しいゼロショット学習モデル(TZSL)を提案する。 視覚空間と補助空間の間の配向の強化によるシフトを大幅に改善する。 ベンチマーク評価では、Bi-VAEGANは、標準および一般化されたTZSL設定の両方の下で、新しい芸術の状態を達成している。
  論文  参考訳（メタデータ） (2023-03-15T15:32:59Z)
• Rebalanced Zero-shot Learning [18.52913434532522]
  Zero-shot Learning (ZSL) は、トレーニング中にサンプルがゼロの未確認クラスを特定することを目的としている。 ZSLに不均衡学習フレームワークを導入する。 次に、Re- Balanced Mean-Squared Error (ReMSE)と呼ばれる再重み付き損失を提案する。
  論文  参考訳（メタデータ） (2022-10-13T13:43:40Z)
• Federated Zero-Shot Learning for Visual Recognition [55.65879596326147]
  本稿では,Federated Zero-Shot Learning FedZSLフレームワークを提案する。 FedZSLは、エッジデバイス上の分散データから中心的なモデルを学ぶ。 FedZSLの有効性と堅牢性は、3つのゼロショットベンチマークデータセットで実施された広範な実験によって実証された。
  論文  参考訳（メタデータ） (2022-09-05T14:49:34Z)
• Unseen Classes at a Later Time? No Problem [17.254973125515402]
  より実用的でフレキシブルなオンラインCGZSL設定を提案する。 これらのCGZSL設定のいずれにおいても時間とともに現れる新しいクラスの追加に動的に適応するために、双方向インクリメンタルアライメントを活用する、CGZSL用の統合機能生成フレームワークを導入する。
  論文  参考訳（メタデータ） (2022-03-30T17:52:16Z)
• A Gating Model for Bias Calibration in Generalized Zero-shot Learning [18.32369721322249]
  汎用ゼロショット学習(GZSL)は,補助情報のみを用いることで,見つからないクラスデータに一般化できるモデルを訓練することを目的とする。 GZSLの主な課題の1つは、トレーニング中に利用可能なクラスデータのみに過度に適合することに起因する、見かけたクラスに対するバイアス付きモデル予測である。 GZSLのための2ストリームオートエンコーダに基づくゲーティングモデルを提案する。
  論文  参考訳（メタデータ） (2022-03-08T16:41:06Z)
• OntoZSL: Ontology-enhanced Zero-shot Learning [19.87808305218359]
  Zero-shot Learning(ZSL)の実装の鍵は、クラス間の意味的な関係を構築するクラスの以前の知識を活用することです。 本稿では,zslのクラス間関係をモデル化するために,より豊かで競争力の高い事前知識を探索する。 目に見えないクラス間のデータ不均衡に対処するため,GAN(Generative Adversarial Networks)を用いた生成型ZSLフレームワークを開発した。
  論文  参考訳（メタデータ） (2021-02-15T04:39:58Z)
• Information Bottleneck Constrained Latent Bidirectional Embedding for Zero-Shot Learning [59.58381904522967]
  本稿では,密な視覚-意味的結合制約を持つ埋め込み型生成モデルを提案する。 視覚空間と意味空間の両方の埋め込みパラメトリック分布を校正する統合潜在空間を学習する。 本手法は, 画像のラベルを生成することにより, トランスダクティブZSL設定に容易に拡張できる。
  論文  参考訳（メタデータ） (2020-09-16T03:54:12Z)
• Boosting Few-Shot Learning With Adaptive Margin Loss [109.03665126222619]
  本稿では,数ショット学習問題に対するメートル法に基づくメタラーニング手法の一般化能力を改善するための適応的マージン原理を提案する。 大規模な実験により,提案手法は,現在のメートル法に基づくメタラーニング手法の性能を向上させることができることが示された。
  論文  参考訳（メタデータ） (2020-05-28T07:58:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。