a baseline for few-shot image classification

方向：图像分类
方法：少样本学习baseline研究

a theoretical analysis of the number of shots in few-shot learning

方向：元学习训练和测试的样本数量分析
方法：提出元学习时，对于样本数量选择的鲁棒性方法，这是一个关键的超参数。

cross-domain few-shot classification via learned feature-wise transformation

方向：跨领域图像分类
方法：利用仿射变换来模拟不同域下的不同特征分布，利用特征变换层来增强图像的特征。

few-shot learning on graphs via super-classes based on graph spectral measures

方向：图神经网络，少样本图分类

few-shot text classification with distributional signatures

方向：文本分类
问题：词汇特征对于一项任务的信息量很大，而对于另一项任务的信息量可能很小。
方法：利用单词的分布特征，对相关单词的出现模式进行编码，使用元学习框架。

locality and compositionality in zero-shot learning

方向：零样本学习
方法：研究零样本学习中学习表示下的局部性和组合性。

metapix: few-shot video retargeting

方向：人物动作的视频重定向

nas-bench-1shot1: benchmarking and dissecting one-shot neural architecture search

方向：单样本神经网络架构搜索

one-shot pruning of recurrent neural networks by jacobian spectrum evaluation

方向：稀疏神经网络，RNN网络剪枝