본 논문은 Cross-domain few-shot learning (CD-FSL)에서의 일반화 성능 향상을 위해 주파수 영역을 활용하는 새로운 프레임워크인 Frequency Adaptation and Diversion (FAD)을 제안합니다. 기존 방법들이 공간 영역에서만 적응을 수행하는 것과 달리, FAD는 이산 푸리에 변환(DFT)을 이용하여 특징을 주파수 영역으로 변환하고, 저주파, 중주파, 고주파 대역으로 나누어 각 대역별로 특화된 적응을 수행합니다. 각 주파수 대역은 해당 대역의 스케일에 맞는 커널 크기를 가진 합성곱 계층을 통해 독립적으로 적응됩니다. Meta-Dataset 벤치마크 실험 결과, FAD는 기존 최첨단 방법들을 상회하는 성능을 보이며, 주파수 영역 표현과 대역별 적응의 유용성을 입증합니다.
