Zero-Shot Learning (ZSL) se refiere a métodos en los que un modelo puede reconocer objetos o clases que no se han visto explícitamente durante el entrenamiento.
Esto se logra accediendo a descripciones semánticas o atributos de las clases, por ejemplo, descripciones de texto o vectores de características.
Normalmente se crea un espacio de características común en el que tanto las clases conocidas como las nuevas clases desconocidas pueden ser representadas.
El modelo aprende a incrustar los datos de entrada en este espacio y así puede reconocer nuevas clases basándose en sus representaciones semánticas.
Zero-Shot Learning se utiliza a menudo en el reconocimiento de imágenes y voz para hacer los modelos más flexibles y adaptables.