本研究では、関係性の視点から、少サンプル分類問題に対し、「何を観察するか」と「どこに注目するか」をメタ学習によって解決することを提案する。本手法は、自己相関表現（Self-Correlational Representation, SCR）とクロス相関注意（Cross-Correlational Attention, CCA）を用いて、画像内および画像間の関係パターンを活用する。各画像内では、SCRモジュールがベース特徴マップを自己相関テンソルに変換し、そのテンソルから構造的パターンを学習する。画像間では、CCAモジュールが2つの画像表現間のクロス相関を計算し、それらの間で共通注意（co-attention）を生成するように学習する。本研究で提案する関係埋め込みネットワーク（Relational Embedding Network, RENet）は、これらの2つの関係性モジュールを統合し、エンドツーエンドで関係性埋め込みを学習する。実験評価において、miniImageNet、tieredImageNet、CUB-200-2011、CIFAR-FSの4つの広く用いられている少サンプル分類ベンチマークにおいて、最先端手法を一貫して上回る性能を達成した。