Graph and Low-Rank Based Cluster-Prototype Matching for Transductive Zero-Shot Learning
Este artigo propõe o modelo de Correspondência de Protótipo de Agrupamento baseado em Grafo e Baixo Rank (GLCPM), uma abordagem de aprendizado zero-shot transdutivo que utiliza um framework professor-aluno para aprender um mapeamento de baixo rank que preserva tanto a estrutura intrínseca local quanto as subvariedades das amostras incorporadas, melhorando assim o reconhecimento de classes não vistas por meio de um classificador de conjunto que combina similaridades de protótipo de agrupamento e de protótipo de amostra.