본 논문은 기존의 적은 샘플 기반의 클래스 증분 학습(FSCIL)에서 공동 학습(joint training)이 상한선으로서 적절하지 않음을 지적하고, 불균형 데이터를 고려한 새로운 공동 학습 기준을 제시합니다. 기존 FSCIL 방법론들의 실험 설정 및 평가 방식의 불일치 문제를 지적하고, 공정한 비교를 위한 표준화된 훈련 조건과 통합된 평가 프로토콜(검증 집합 및 계산 복잡도 동시 고려)을 제안합니다. 이를 통해 FSCIL 연구를 위한 신뢰할 수 있는 상한선과 실용적인 기반을 제공합니다. 핵심은 불균형 데이터 문제로 인한 클래스 간 분리 어려움을 해결하여 공동 학습을 FSCIL에 적합하게 개선하고, 표준화된 평가 방식을 제시함으로써 향후 연구의 기준을 마련하는 것입니다.
