초록
소수 샘플 분류(few-shot classification)는 적은 수의 레이블링된 샘플을 사용함에 따라 발생하는 불확실성으로 인해 도전적인 문제이다. 최근 몇 년간 소수 샘플 분류를 해결하기 위한 다양한 방법이 제안되어 왔으며, 그 중 전이 기반(transfer-based) 방법들이 가장 뛰어난 성능을 보여왔다. 본 논문에서는 이러한 연구 흐름을 이어가며, 두 단계로 구성된 새로운 전이 기반 방법을 제안한다. 첫 번째 단계는 특징 벡터를 정규분포 유사 분포로 전처리하여 근사화하는 것이고, 두 번째 단계는 이 전처리된 특징을 최적 운반(optimal transport)에 기반한 알고리즘을 활용하여 이용하는 것이다(이 경우 전도적 설정(transductive setting)에 적용). 표준화된 시각 기준 벤치마크를 사용하여, 제안된 방법이 다양한 데이터셋, 백본 아키텍처, 소수 샘플 설정에서 최신 기술(SOTA, state-of-the-art) 수준의 정확도를 달성할 수 있음을 입증하였다.