基于具有语言的视觉表示塑形的小样本分类《Shaping Visual Representations with Language for Few-shot Classification》J Mu, P Liang, N Goodman [Stanford University] (2019)

摘要： 语言的目的是传达有关世界的有用信息，从而成为人类有效学习的基础。如何让语言引导在机器学习模型中体现概念学习?针对这一问题，我们提出了在训练时联合预测自然语言任务描述的同时进行视觉分类的模型。在测试时，由于没有可用的语言，我们发现这些受语言影响的视觉表示与元学习基线和明确使用语言作为分类瓶颈的方法相比，更加一般化。

作者介绍：

Jesse Mu，他是诺阿·古德曼（Noah Goodman）推荐的斯坦福大学CS博士二年级学生。他的研究兴趣是对机器学习的语言进行操作。这涉及到（1）构建可以从语言和交互式对话中学习（并使用其进行教学）的机器，以及（2）使用语言作为学习的结构化和组成性指南。他得到了NSF GRFP的支持。

Percy Liang，斯坦福大学计算机科学与统计系副教授，他的研究方向是自然语言处理和统计机器学习。

Noah D. Goodman，斯坦福大学心理学和计算机科学与语言学副教授。他的研究方向是计算模型认知，概率性的编程语言，自然语言语义学和语用学，概念，分类和直观的理论，社会认知：关于他人特征，状态和行为的推理,认知发展，尤其是抽象知识的获取。