Meta-DM: Anwendungen von Diffusionsmodellen im Few-Shot-Lernen

Im Bereich des Few-Shot-Learnings (FSL) haben umfangreiche Forschungen sich auf die Verbesserung von Netzwerkstrukturen und Trainingsstrategien konzentriert. Allerdings wurde die Rolle der Datenverarbeitungsmoduln bisher nicht ausreichend untersucht. In diesem Artikel schlagen wir daher Meta-DM vor, ein verallgemeinertes Datenverarbeitungsmodul für FSL-Probleme, das auf Diffusionsmodellen basiert. Meta-DM ist ein einfaches, aber effektives Modul, das sich leicht mit bestehenden FSL-Methoden integrieren lässt und zu erheblichen Leistungsverbesserungen sowohl in überwachten als auch in unüberwachten Szenarien führt. Wir liefern eine theoretische Analyse von Meta-DM und evaluieren dessen Leistung anhand mehrerer Algorithmen. Unsere Experimente zeigen, dass die Kombination von Meta-DM mit bestimmten Methoden zu Stand-of-the-Art-Ergebnissen führt.