التعرف على التفاصيل التمييزية مثل العيون والمنقار أمر بالغ الأهمية لتمييز الفئات الدقيقة، نظرًا لتشابه مظهرها العام. في هذا السياق، نقدّم وحدة تُسمى تحسين الفجوة المهمة (TDM)، وهي وحدة بسيطة لتصنيف قليل العينات من الفئات الدقيقة. هدفنا هو تحديد مناطق التمييز الخاصة بكل فئة من خلال تأكيد القنوات التي تحمل معلومات مميزة لكل فئة. وبشكل خاص، تتعلم TDM أوزان قناة مخصصة لكل مهمة من خلال مكونين جديدين: وحدة الانتباه الداعم (SAM) ووحدة الانتباه الاستقصائية (QAM). تُنتج وحدة الانتباه الداعم وزنًا داعمًا يمثّل قدرة التمييز القنواتية لكل فئة. ومع ذلك، نظرًا لأن وحدة الانتباه الداعم تعتمد في الأساس على مجموعات الدعم المُعلَّمة، فإنها قد تكون عرضة للتحيّز تجاه تلك المجموعات. لذلك، نقترح وحدة الانتباه الاستقصائية التي تكمّل وحدة الانتباه الداعم من خلال إنتاج وزن استقصائي يُعطي أوزانًا أكبر للقنوات المرتبطة بالكائن في صورة استقصائية معينة. وبدمج هذين الوزنين، يتم تحديد وزن قناة مخصص لكل مهمة وفقًا للفئة. ثم تُطبَّق هذه الأوزان لإنتاج خرائط ميزات متكيفة مع المهمة، مع تركيز أكبر على التفاصيل التمييزية. تؤكد تجاربنا فعالية TDM، بالإضافة إلى الفوائد التكميلية التي تقدمها بالمقارنة مع الطرق السابقة في تصنيف قليل العينات من الفئات الدقيقة.