核心概念
高品質なセマンティクスを活用することで、基本的なネットワークでも優れたパフォーマンスが達成可能。
統計資料
本研究はResNet-12やSwin-Tなどのバックボーンを使用しており、各種データセットで最先端手法を上回る性能を示しています。
モデルはCosine距離やEuclidean距離を使用した分類器によって最良の結果が得られました。
Fusion factor k の値が大きいほど最高の精度が得られました。また、SemFewは他の手法よりも優れたプロトタイプを生成しました。
引述
"高品質なセマンティクス情報は単純なネットワークでも優れたパフォーマンスを発揮します。"
"SemFewは他の最先端手法に比べて優れた結果を達成しました。"