Few-Shot Learning（FSL）の成功を阻む主な障壁の一つとして、訓練段階と評価段階におけるカテゴリ間のギャップが指摘されてきた。本論文では、現実的な画像に共通する画像の背景が、クラス内分類には役立つショートカット知識として初めて実証的に同定された。この背景情報は訓練カテゴリ内では有効であるが、訓練カテゴリを超えた一般化には寄与しない。これを解決するため、訓練時および評価時において追加の教師信号を一切用いずに、画像から前景オブジェクトを抽出する新しいフレームワークCOSOCを提案する。誘導型FSLタスクにおける広範な実験により、本手法の有効性が実証された。