従来の手法では、クラスごとに学習されるプロトタイプベクトルと画像の特徴ベクトルとの距離を分類に用いる。これに対して、提案手法 Deep Subspace Networks では、各クラスに属する訓練画像の特徴ベクトルが張る部分空間と、入力画像の特徴ベクトルとの距離を用いて分類を行う。また、ラベルなしデータを使って動的に分類器を補正するmean refinementを提案。

mini-ImageNet, tiered-ImageNet, CIFAR100-FS, Open MICのFSLベンチマークで評価。多くの設定で従来法を超える精度を達成。また、mean refinementにより、特に1-shotの設定で精度改善が見られた。