소수 샘플 분류를 위한 초기 단계 특징 재구성에 의한 비지도 임베딩 적응

하류의 소수 샘플 분류 작업을 위한 비지도 임베딩 적응을 제안한다. 깊은 신경망이 기억하기 전에 일반화하는 방식으로 학습된다는 관찰에 기반하여, 초기 단계의 특징 재구성(ESFR: Early-Stage Feature Reconstruction)을 개발하였다. 이는 특징 재구성과 차원 수 기반의 조기 중단을 통합한 새로운 적응 방식으로, 일반화 가능한 특징을 탐지하는 데 초점을 맞추고 있다. ESFR을 기존 기준 방법에 통합하면 모든 표준 설정에서 일관되게 성능 향상을 가져오며, 최근 제안된 전이적(Transductive) 방법에도 적용 가능하다. 특히 전이적 방법과 결합된 ESFR은 mini-ImageNet, tiered-ImageNet, CUB에서 최고 성능을 달성하였으며, 1샷 설정에서 이전 최고 성능을 기록한 방법 대비 정확도에서 1.2%~2.0%의 개선을 이뤄냈다.