1 つまたは少数の視覚的な例から学習することは、人間が幼少期から持っている重要な能力の一つですが、現代のAIシステムにとっては依然として大きな課題となっています。少数の画像例からの学習においては著しい進展が見られますが、新しい物体を幼児に提示する際に通常提供される言語的説明には十分な注意が払われていません。本論文では、視覚的な少ショット学習を大幅に促進する可能性がある追加の意味情報の役割に焦点を当てます。最近の追加意味情報を利用した少ショット学習の進歩に基づいて、複数かつ豊富な意味情報を組み合わせることでさらなる改善が可能であることを示します（カテゴリーラベル、属性、および自然言語の説明）。これらのアイデアを用いて、人気のある miniImageNet および CUB の少ショットベンチマークにおいて新たな結果を提供し、視覚情報のみと視覚情報に加えて意味情報を用いた両方の手法で従来の最先端結果と比較して優れた性能を示しています。また、我々の手法における構成要素や設計選択肢についてアブレーションスタディを行いました。