الطرق الحالية للفصل القليل الإطارات (FSSeg) ركزت بشكل أساسي على تحسين أداء الفئات الجديدة بينما أغفلت أداء الفئات الأساسية. لتجاوز هذا القيد، تم تقديم مهمة الفصل الدلالي القليل الإطارات المعمم (GFSSeg)، والتي تهدف إلى التنبؤ بقناعات الفصل لكل من الفئات الأساسية والجديدة. ومع ذلك، فإن الطرق الحالية المستندة إلى النماذج الأولية لا تأخذ في الاعتبار العلاقة بين الفئات الأساسية والجديدة عند تحديث النماذج الأولية، مما يؤدي إلى أداء محدود في تحديد الفئات الحقيقية. لمعالجة هذا التحدي، نقترح خسارة مقارنة الفئات وخسارة علاقة الفئات لتنظيم تحديث النماذج الأولية وتشجيع المسافة الكبيرة بين النماذج الأولية لفئات مختلفة، مما يميز بين هذه الفئات مع الحفاظ على أداء الفئات الأساسية. يحقق نهجنا المقترح أفضل الأداء الحالي للعملية المعممة للفصل القليل الإطارات على مجموعتي البيانات PASCAL VOC و MS COCO.