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。

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。

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。