クラス関係の再考：絶対相対的な教師ありおよび教師なしのFew-shot学習

既存の多くの少ショット学習手法は、画像間の関係を二値ラベルで表現しています。しかし、このような二値関係は決定の滑らかさに欠けているため、複雑な実世界の関係をネットワークに教えるのに十分ではありません。さらに、現在の少ショット学習モデルは関係ラベルを通じて類似性のみを捉えていますが、オブジェクトに関連するクラス概念には触れていません。これは利用可能なクラスラベルを十分に活用していないことから、分類性能に悪影響を与える可能性があります。言い換えると、子供たちは実際に数少ない例だけでなく、他の動物との比較を通じて虎という概念を学びます。したがって、我々は類似性とクラス概念の学習が同時に起こるべきであると仮説を立てました。これらの観察に基づき、我々は現在の少ショット学習手法における単純なクラスモデリングの根本的な問題を研究します。クラス概念間の関係を見直し、ラベル情報を利用して画像表現を精緻化し、関係理解を修正する新たな絶対相対学習（Absolute-relative Learning）パラダイムを提案します。この提案されたパラダイムは監督ありおよび監督なしのシナリオにおいて、公開データセット上でいくつかの最先端モデルの性能を向上させています。