초록
메타러닝은 일련의 작업들로부터 모델을 학습함으로써, 다양한 작업 간에 일반화할 수 있고 새로운 작업에 빠르게 적응할 수 있는 모델을 만드는 것을 목표로 한다. 본 연구에서는 상향식 생성 모델의 낮은 차원 잠재 공간(latent space)에서 에너지 기반 모델(EBM, Energy-Based Model)을 학습하는 방안을 제안한다. 이로써 낮은 차원의 잠재 공간 내에서 EBM이 효율적으로 학습되며, 각 작업에 빠르게 적응할 수 있다. 또한, 에너지 항은 연속적인 잠재 벡터와 기호적인 원-핫 레이블(one-hot label)을 결합한다. 이러한 결합 구조는 레이블이 알려지지 않은 경우에도 모델을 비지도 학습 방식으로 학습할 수 있도록 한다. 제안하는 모델은 메타학습 훈련 단계에서는 비지도 방식으로 학습되며, 메타테스트 단계에서는 반지도 학습 방식으로 평가된다. 제안 모델은 소수 샘플 메타러닝에서 널리 사용되는 벤치마크인 Omniglot과 Mini-ImageNet에서 평가되었으며, 기존 최고 성능 메타러닝 모델들과 비교하여 경쟁력 있거나 더 우수한 성능을 달성하였다.