本文介绍了基于深层神经网络的元特征提取器Dataset2Vec和新型标签少样本学习方法FLAT，旨在优化异构数据集的学习与泛化能力。FLAT通过低维嵌入促进知识传递，实验证明其在标签数据集上的显著改进。此外，提出了图表征学习方法和自我监督方法SwitchTab，以提升表格数据的建模性能。

本文介绍了一种基于少样本学习的遥感影像目标检测方法，结合元特征提取、自适应权重分配和边界框预测模块，能够在少量标注数据下实现高效检测。研究表明，该方法在多种设置中优于现有技术，显著提升了目标检测性能。