#305
summarized by : Shuhei M Yoshida
Few-Shot Learning via Embedding Adaptation With Set-to-Set Functions

どんな論文か?

非常に少数の訓練データから学習するfew-shot学習 (FSL) の論文。baseクラスから学習した埋め込み関数がnovelクラスの識別に対して最適ではない、という従来のFSLが抱える問題を解決する。
placeholder

新規性

baseクラスで学習した埋め込み関数をnovelクラスに適応するため、集合から集合への変換を導入。これをニューラルネットワークとして実装し、novelクラスの識別性を高めることに成功した。

結果

FSLのベンチマークであるminiImageNetとTieredImageNetで評価。集合から集合への変換の実装としては、比較の結果Transformerを使用したものが最も性能が良いことが分かった(このアーキテクチャをFEATと呼んでいる)。また、FEATはこれらのベンチマークにおいて従来法を上回る精度を達成。

その他(なぜ通ったか?等)

単純で汎用性の高い方法でありながら精度改善に効いたため。