以色彩为驱动： transforming few-shot learner

人类拥有先天的元学习能力，其中一部分可归因于其卓越的色彩感知能力。本文以模拟人类色彩感知机制的视角为 few-shot learning 提出新颖观点。我们提出了 ColorSense Learner——一种受生物启发的元学习框架，利用跨通道特征提取和交互式学习。通过在不同通道上战略性地强调独特的色彩信息，本方法有效过滤无关特征，同时捕获判别性特征。色彩信息是最直观的视觉特征，但常规元学习方法主要忽视这一方面，专注于跨类别的抽象特征差异。我们的框架通过协同色彩通道交互弥合了这一差距，实现更好的类内常规性提取和更大的类间差异。此外，我们引入了一个基于知识蒸馏的 meta-distiller，ColorSense Distiller，融合先验教师知识以增强学生网络的元学习能力。我们在 11 个 few-shot 基准上进行了全面粗粒度/细粒度和跨域实验以进行验证。大量实验表明，我们的方法在一般化能力、鲁棒性和可迁移性方面表现极为出色，能够无缝处理基于色彩感知的 few-shot 分类任务。