لقد حققت الطرق الحالية للفصل القائم على عدد قليل من الأمثلة تقدماً كبيراً بالاعتماد على إطار المطابقة بين الدعم والاستعلام. ومع ذلك، تظل تعاني بشدة من تغطية محدودة للتغيرات داخل الفئة الناتجة عن الأمثلة القليلة المقدمة كدعم. مستلهمين من مبدأ جستالت البسيط الذي ينص على أن النقاط التي تنتمي إلى نفس الكائن تكون أكثر تشابهاً من النقاط التي تنتمي إلى كائنات مختلفة من نفس الفئة، نقترح استراتيجية جديدة للمطابقة الذاتية للدعم لتخفيف هذه المشكلة، حيث تُستخدم النماذج الاستعلامية لموازنة ميزات الاستعلام، مع استخلاص هذه النماذج من تنبؤات الاستعلام ذات الثقة العالية. تُمكن هذه الاستراتيجية من التقاط الخصائص الأساسية المتسقة للكائنات المسترجعة بشكل فعّال، وبالتالي تمكّن من مطابقة ميزات الاستعلام بشكل مناسب. كما نقترح أيضًا وحدة توليد نموذج خلفية ذاتي للدعم متعددة التكيف، ودالة خسارة ذاتية للدعم، لتعزيز إجراء المطابقة الذاتية للدعم بشكل أكبر. يُحسّن شبكتنا الذاتية للدعم جودة النماذج بشكل كبير، ويستفيد بشكل أكبر من الخلفيات القوية والعدد الأكبر من الأمثلة الداعمة، ويحقق أفضل أداء ممكن (SOTA) على عدة مجموعات بيانات. الكود متوفر على الرابط: \url{https://github.com/fanq15/SSP}.