التعلم العميق ذو القليل من الأمثلة هو مجال تحدي حديث للتوسع في التعرف على الصور إلى نمو مفتوح وغير محدد لفئات جديدة غير مشاهدة مع أمثلة مصنفة محدودة. ومن الطرق الواعدة التي تعتمد على تعلم المقاييس، والتي تقوم بتدريب تمثيل عميق لدعم مطابقة تشابه الصور. رؤيتنا هي أن المطابقة العامة الفعالة تتطلب مقارنة غير خطية للخصائص على مستويات متعددة من التجريد. ولذا نقترح شبكة تعلم عميقة جديدة تتكون من وحدات التمثيل وال علاقة التي تتعلم مقاييس المسافة غير الخطية المتعددة بناءً على مستويات مختلفة من الخصائص في آن واحد. بالإضافة إلى ذلك، لخفض الانحراف الزائد وتمكين استخدام تمثيلات أعمق، نمثل الصور كتوزيعات بدلاً من المتجهات من خلال تعلم تنظيم الضوضاء الغاوسية المعلمة. الشبكة الناتجة تحقق أداءً ممتازًا على كل من miniImageNet و tieredImageNet (المصطلح الأصلي).