Few-Shot Learning with Metric-Agnostic Conditional Embeddings

Esta investigación explora un nuevo enfoque para el aprendizaje con pocos ejemplos (few-shot learning) mediante la introducción de embeddings condicionales agnósticos a la métrica. El método busca mejorar el aprendizaje a partir de un número limitado de muestras de datos, creando representaciones flexibles independientes de métricas de distancia específicas.