少ショットオブジェクト検出は、クエリ画像内の特定カテゴリのインスタンスを、わずか数枚のサポートサンプルのみを用いて検出することを目的としている。従来の教師ありオブジェクト検出に必要な大量のアノテーション画像を取得するよりも手間が少ないものの、その性能は従来のオブジェクト検出手法に比べて著しく劣る。本論文では、各サポートサンプルの特徴に着目したメタラーニングベースのアプローチを提案する。従来の手法がカテゴリごとに単一のプロトタイプをサポートサンプルの情報を単純に平均することで生成するのに対し、本手法は各サポートサンプルを個別にプロトタイプとして扱うことで、各サンプルの情報をより効果的に活用できる。具体的には、クエリ画像とサポート画像の特徴マップを統合するための2種類のアテンション機構を導入している。第一に、サポートサンプル間の共有情報をアテンションによって抽出することで、少ショットサンプルの情報を精緻化する。第二に、各サポートサンプルをクラスコードとして用い、サポート特徴とクエリ特徴の類似度を比較することで情報を活用する。本手法は従来の手法と補完的であり、さらなる性能向上のための即時導入（plug-and-play）が容易である。提案手法はPASCAL VOCおよびCOCOベンチマーク上で評価された結果、その有効性が実証された。特に、サポートデータ間に高い多様性がある場合、本手法の利点が最大限に発揮される。