본 논문은 소량의 레이블이 지정된 비디오 인스턴스만으로 모델을 훈련하는 Few-Shot Action Recognition (FSAR) 문제를 다룹니다. 기존의 프레임 및 튜플 수준 정렬 기반 접근 방식은 미리 정의된 길이 의존적인 정렬 단위(프레임 또는 튜플)에 크게 의존하여 다양한 길이와 속도의 동작에 유연성이 부족한 한계를 가지고 있습니다. 본 연구에서는 시간적 정렬이 필요 없는 새로운 TEmporal Alignment-free Matching (TEAM) 접근 방식을 제시합니다. TEAM은 동작 길이나 속도에 관계없이 비디오 인스턴스 내의 전역적으로 차별적인 단서를 포착하는 고정된 패턴 토큰 집합으로 각 비디오를 표현하여 유연성을 확보합니다. 또한, 기존의 시간적 정렬을 위한 쌍별 비교와 달리 토큰 단위 비교를 사용하여 비디오 간 유사성을 측정하여 효율성을 높입니다. 더불어, 클래스 간 공통 정보를 식별하고 제거하는 적응 과정을 제안하여 새로운 범주 간에도 명확한 경계를 설정합니다. 광범위한 실험을 통해 TEAM의 효과를 보여줍니다. 코드는 github.com/leesb7426/TEAM에서 확인할 수 있습니다.
