본 논문은 데이터 라벨링 비용이 높은 문제를 해결하기 위해, 제한된 라벨 데이터와 풍부한 비라벨 데이터를 활용하는 준지도 학습(SSL)과 강력한 제로샷 성능을 제공하는 기반 모델(FM)을 결합한 새로운 프레임워크인 ZeroMatch를 제안합니다. ZeroMatch는 지식 증류와 일관성 기반 학습을 통합하여 라벨 데이터, 비라벨 데이터, 그리고 FM으로부터 얻은 의사 라벨을 함께 활용합니다. FM 추론만을 사용하여 작은 스튜던트 모델을 학습하므로, 계산 자원이 제한적인 환경에서도 효과적입니다. 여섯 가지 비전 및 언어 분류 벤치마크 실험 결과, ZeroMatch는 기존 SSL 및 제로샷 증강 방법보다 우수한 성능을 보였습니다.
