초록
본 논문에서는 교차 도메인 소수 샘플 학습(CD-FSL)에서 최신 기법들보다 뛰어난 성능을 보이는 새로운 유연하고 효과적인 솔루션인 도메인 무관 메타 스코어 기반 학습(DAMSL)을 제안한다. 기존 메타학습 기법은 소스 도메인에 과적합되는 문제와, 기존 전이학습 기법은 서포트 세트의 구조를 충분히 활용하지 못하는 문제를 진단하였다. 본 연구의 핵심 아이디어는 미세조정된 특징 인코더로부터 직접 얻은 스코어를 사용하는 대신, 이러한 스코어를 도메인 무관 거리 공간의 입력 좌표로 변환하는 것이다. 이 좌표들을 기반으로 그래프 신경망(GNN)을 적용하여 서포트 세트의 스코어 분포에 포함된 모든 정보를 처리할 수 있는 임베딩 및 관계 함수를 학습한다. 제안한 모델은 기존의 CD-FSL 기준 평가 벤치마크와 새로운 도메인에서 테스트되었으며, 기존 메타학습 및 전이학습 기법의 한계를 극복함으로써 소규모 및 대규모 도메인 전이 상황에서 모두 정확도 측면에서 상당한 개선을 이끌어냈다.