正解クラスとそれ以外のクラスとの意味的な類似性に依存するマージンに基づき、class-relevant additive margin lossを提案。意味的に類似したクラスの埋め込みベクトルがより識別しやすくなるよう、類似クラス間のマージンを大きくする。意味的な類似性を算出するために、単語埋め込みモデルを使ってクラス名の埋め込みベクトルを使用、2クラスの類似性はこの埋め込みベクトルの使用する。

FSLの標準的なベンチマークであるminiImageNetを用いて評価。従来法を超える精度を達成。