Zero-Shot Learning (ZSL) обозначает методы, при которых модель может распознавать объекты или классы, которые явно не были видны во время обучения.
Это достигается за счёт того, что модель обращается к семантическим описаниям или атрибутам классов, например, текстовым описаниям или векторам признаков.
Обычно создаётся общее пространство признаков, в котором могут быть представлены как известные классы, так и новые, неизвестные классы.
Модель учится встраивать входные данные в это пространство и таким образом может распознавать новые классы на основе их семантических представлений.
Zero-Shot Learning часто используется в распознавании изображений и речи, чтобы сделать модели более гибкими и адаптивными.