メトリック学習は、プロトタイプの品質がアルゴリズムにおいて重要な役割を果たす少ショット学習で広く使用されている手法です。本論文では、メタトレーニングとタスクトレーニングのフレームワーク内で人工的なものではなく、学習可能なプロトタイプを使用することを提案します。また、エピソード型メタトレーニングの欠点を避けるため、自己教師なし学習に基づいた非エピソード型メタトレーニングを採用しました。全体として、我々の方法は2つのフェーズで少ショット課題を解決します：自己教師なし学習を通じて転移可能な特徴抽出器のメタトレーニングと、メトリック分類用のプロトタイプのトレーニングです。さらに、単純な注意機構（attention mechanism）がメタトレーニングとタスクトレーニングの両方で使用されています。我々の方法は標準的な少ショット視覚分類データセット上で確立された様々な少ショット課題において最先端の性能を達成しており、既存の教師なし少ショット学習手法に比べて約20%の向上が見られます。