본 논문은 소수 샷 학습(few-shot learning)에서 딥 메트릭에 의존하는 기존 방식의 한계를 극복하기 위해, 분류기(classifiers)의 하위 구조를 탐구하고 메타-구성 요소(meta-components)의 조합으로 각 분류기를 학습하는 새로운 메타 학습 알고리즘을 제안한다. 제안된 방법은 메타-학습 에피소드에서 학습된 메타-구성 요소에 직교 정규화(orthogonal regularizer)를 적용하여 다양성을 촉진하고 서로 다른 분류기 간의 공유된 하위 구조를 포착한다. 소수 샷 벤치마크 태스크에 대한 광범위한 실험을 통해 제안된 방법의 우수한 성능을 입증한다.
