低样本目标学习：互斥偏差
原文中文，约400字，阅读约需1分钟。发表于：。该论文介绍了与互斥偏见相关的低样本物体学习（LSME），这是对幼儿在学习单词过程中普遍观察到的现象的首次计算建模。我们提供了一个新颖的数据集、全面的基线和一种最先进的方法，以便机器学习社区可以应对这个具有挑战性的学习任务。LSME 的目标是分析场景中包含多个物体的 RGB 图像，并正确地将一个先前未知的对象实例与提供的类别标签相关联。然后利用这种关联进行低样本学习来测试类别的泛化性。我们为...
该论文研究了低样本物体学习（LSME）与互斥偏见的关系，并提供了新的数据集、基线和方法。LSME旨在正确地将未知对象与类别标签相关联。研究者分析了数据生成流程和影响难度的因素，并评估了多种基线模型的性能。他们提出了一种优于最先进模型的基线方法。
