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
