Papers with Code 아카이브
Few-Shot Learning
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 12
- 평가표
- 27
- 보존된 평가 기록
- 52
Few-Shot Learning is an example of meta-learning, where a learner is trained on several related tasks, during the meta-training phase, so that it can generalize well to unseen (but related) tasks with just few examples, during the meta-testing phase. An effective approach to the Few-Shot Learning problem is to learn a common representation for various tasks and train task specific classifiers on top of this representation.
Source: Penalty Method for Inversion-Free Deep Bilevel Optimization
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
무해해 보이는 데이터, 잠재적 이데올로기: 파인튜닝된 LLM에서의 이데올로기적 일반화
Plug-and-Play 이미지 복원을 위한 불일치 Proximal 디노이저의 도메인 적응
VLT: 산업 지능을 위한 비전-언어-시계열 다중모달 파운데이션 모델
CoDi -- 저샷 카운팅을 위한 exemplar 조건화 확산 모델
지식 임베딩 및 하이퍼네트워크 가이드 퓨샷 변전소 계량기 결함 이미지 생성 방법
개념 안내를 통한 견고한 문맥 내 분할(ICS)
일반화 가능한 로봇 제어를 위한 네이티브 비디오-액션 사전학습
병리 슬라이드 파운데이션 모델의 다중 교사 증류를 이용한 다중 인스턴스 학습 네트워크 사전학습
VQ-Touch: 센서 및 시나리오를 아우르는 데이터 효율적 촉각 생성 프레임워크
POS 티어는 저자원 언어 문서화 자동 주석의 핵심: 남부 류큐어인 이라부를 위한 신경망 행간 글로스화
DeltaMerge-LowRes: 저자원 적응을 위한 언어 및 작업 델타 조합
Attention Head Reweighting을 통한 LLM의 데이터 효율적 적응
라벨 없는 데이터를 활용한 일반화 가능한 신경 집단 디코딩
공정하고 효율적인 악성 분류를 위한 다양한 피부과 영상의 제어 가능한 생성
다중 도메인 저자원 OCR를 위한 다중 전문가 라우팅: 만주어 사례 연구
RADAR: 의미 계획과 자율적 인과 환경 리셋을 통한 폐루프 로봇 데이터 생성
대규모 멀티모달 모델을 사후 교정기로 활용한 시각적 종 인식
Rough Path Signature 유도 기하 증강을 통한 퓨샷 산업 표면 결함 탐지
MQAdapter: 거칠-세밀 VLM 미세조정을 위한 다중모달 양자 어댑터
클래스 대비 영향(Class-Contrastive Influence)을 이용한 확산 모델 조향을 통한 퓨샷 의료 분류
길이 바이어스 하의 정확도와 정규화 정확도: 분석, 가이드라인, 베이지안 대안
소형 VLM을 이용한 퓨샷 산업 비전을 위한 답변 조건부 사고의 연쇄 지식 증류
HyperBank: 퓨샷 스페로이드 현미경 분할을 위한 고전적 사전 지식의 미분 가능한 뱅크
FSFVE: 퓨샷 압축 얼굴 비디오 향상
TC-MAF: 멀티모달 산업 이상 탐지를 위한 학습 보정 기반 경계 다중 증거 융합
HASTE: 신속한 재난 후 건물 피해 평가를 위한 플랫폼
그래프-테이블 정렬을 통한 놀랍도록 단순하고 효과적인 다중 도메인 그래프 파운데이션 모델
CSI의 보편 언어: 기기와 환경을 아우르는 무선 센싱의 통합
병목을 통해 생각하기: 엄밀한 귀납을 위한 모래시계 추론
언어 모델에게 수면이 필요하다: 자기 수정과 기억 통합 학습
설명은 예측만 하는 것보다 더 어렵다: 문맥 내 학습 시각 분류기로서의 MLLM 개념 기반 설명 평가
배경 융합을 활용한 프로토타입 기반 퓨샷 의료 영상 시맨틱 세그멘테이션
퓨샷 3D 포인트 클라우드 시맨틱 분할을 위한 백색화 집계 및 복원
Memory-SAM: 검색-투-프롬프트를 통한 사람 프롬프트 없는 혀 분할
REBASE: 학습 없는 인컨텍스트 분할을 위한 참조-배경 부분공간 제거
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.