“零样本学习在图像搜索中的含义是，能够识别和分类系统未明确训练过的类别的图像。在传统的图像分类中，模型通过在已标记的实例上进行训练，学习识别特定类别，如猫或狗。然而，零样本学习使模型能够通过从已学习的相关信息或特征中进行概括，识别新的类别，即使没有可用的新类别训练实例。
零样本学习的一个关键方面是使用语义表示，例如与图像相关的词嵌入或属性。例如，假设模型经过训练可以识别多种动物类型，包括“老虎”、“马”和“象”。如果模型随后被展示一张“斑马”的图片，它之前未见过，模型依然能够通过利用将“斑马”与“条纹”、“像马一样”或“黑白相间”相联系的语义知识来识别它。这样的比较帮助模型推断斑马与它所知的马类是相似的，同时观察到区分它们的独特特征。
开发人员可以通过多种方法实现图像搜索的零样本学习，包括迁移学习或捕捉不同类别之间关系的嵌入空间。例如，如果开发人员构建一个图像搜索应用，使用户能够通过自然语言查询找到动物，系统可以灵活处理“斑点动物”或“长颈动物”等术语的搜索，即使这些具体类别不在训练数据中。这种适应性增强了用户体验，并显著扩展了图像搜索应用的实用性，使其能够以传统模型无法做到的方式满足用户的查询。”