Few-Shot Learning with Metric-Agnostic Conditional Embeddings

Esta pesquisa explora uma nova abordagem para o aprendizado com poucos exemplos (few-shot learning) através da introdução de embeddings condicionais agnósticos à métrica. O método visa melhorar o aprendizado a partir de um número limitado de amostras de dados, criando representações flexíveis independentes de métricas de distância específicas.