MAML++

视觉 Transformer 结合元学习，提升数据高效植物生长估算

研究人员开发了一种新颖的元学习框架，利用视觉 Transformer (ViT) 和模糊聚类来改进植物生长估算。该方法通过模糊 c-均值聚类将无标签图像组织成结构化任务，解决了标记数据有限的挑战。实验表明，二阶元学习方法（如 MAML++）在少样本学习场景下，其性能显著优于传统基线方法，即使在标签稀缺的情况下也能实现可靠的生长估算。