该研究提出了加权自适应阈值过滤（WATF）策略，解决了少样本图像分类中的背景噪声和局部描述符选择问题。实验证明，该方法提高了分类精度和图像类别之间的区分能力。

PrototypeFormer是一种改进的少样本图像分类方法，通过探索原型关系，在几个基准数据集上实验，证明其优于当前最先进的方法，特别是在miniImageNet的5-way 5-shot和5-way 1-shot任务上分别达到97.07％和90.88％。

本文介绍了一种针对视觉-语言模型的知识感知提示调整（KAPT）框架，通过设计两种类型的知识感知提示和适应头部，实现在少样本图像分类中的有效性和对未见类别的泛化能力。与最先进的方法相比，KAPT 在新类别中获得了显著的性能提升。