摘要
在少样本学习（Few-Shot Learning, FSL）领域，大量研究集中在改进网络结构和训练策略上。然而，数据处理模块的作用尚未得到充分探索。因此，本文提出了一种基于扩散模型的广义数据处理模块——Meta-DM。Meta-DM 是一个简单而有效的模块，可以轻松集成到现有的 FSL 方法中，从而在监督和非监督设置下显著提升性能。我们对 Meta-DM 进行了理论分析，并对其在多种算法上的性能进行了评估。实验结果表明，将 Meta-DM 与某些方法结合使用可以达到当前最先进的效果。
在少样本学习（Few-Shot Learning, FSL）领域，大量研究集中在改进网络结构和训练策略上。然而，数据处理模块的作用尚未得到充分探索。因此，本文提出了一种基于扩散模型的广义数据处理模块——Meta-DM。Meta-DM 是一个简单而有效的模块，可以轻松集成到现有的 FSL 方法中，从而在监督和非监督设置下显著提升性能。我们对 Meta-DM 进行了理论分析，并对其在多种算法上的性能进行了评估。实验结果表明，将 Meta-DM 与某些方法结合使用可以达到当前最先进的效果。