배경에 대한 단순화 학습을 교정하는 소수 샘플 학습

Few-Shot 학습(FSL)의 성공을 방해하는 주요 장애물 중 하나로, 학습과 평가 간의 카테고리 갭(category gap)이 지적되어 왔다. 본 논문에서는 현실적인 이미지에서 흔히 발견되는 이미지 배경이, 클래스 내 분류에는 유용한 단순화된 지식(shortcut knowledge)로 작용하지만, 학습된 카테고리 외에는 일반화되지 않는다는 점을 처음으로 실험적으로 규명하였다. 이를 해결하기 위해, 학습 및 평가 단계에서 추가적인 레이블 없이 이미지의 전경 객체를 추출하는 새로운 프레임워크인 COSOC을 제안한다. 유도적(FSL) 학습 과제를 대상으로 수행한 광범위한 실험을 통해 본 방법의 효과성을 입증하였다.