ALPINE 用 22,249 参数的自适应定位器在 CIFAR-FS 与 MiniImageNet 五样本分类上超过 ProtoNet、RelationNet 与 MAML，并自证关系令牌并非主要增益来源
核心概要
该工作提出 ALPINE（EXP-F3）——一个 22,249 至 34,917 参数的超轻量少样本图像分类架构，用固定 Gabor 边缘能量图驱动带高斯窗口约束的内容自适应 patch 定位器，在 250 个元训练回合、5 个种子、每种子 600 个评估回合的等回合预算协议下，于 CIFAR-FS 与 MiniImageNet 的 5-shot 精度上一致超过 Prototypical Networks、Relation Networks 与 MAML，参数比任一基线少 27%–53%，收敛更快，对未见细粒度域 CUB-200-2011 的零重训迁移更好，对 50% 遮挡与 25% 平移更鲁棒；同时通过消融表明成对关系令牌只带来 0.3–0.9 个百分点的辅
深度剖析
在严格匹配的等回合预算下，ALPINE 的 5-shot 精度在 CIFAR-FS 与 MiniImageNet 上均超过三个基线，且五个种子方向一致。 以往少样本学习评估多只报告精度，较少同时关注达到该精度所需的参数与训练样本预算；该工作把参数预算与训练回合预算作为一等评估轴，并在同一预算下与基线对比。 表 1 给出 5 种子均值±标准差：EXP-F3（22,249 参数）CIFAR-FS 5-shot 56.39±1.28、MiniImageNet 5-shot 53.37±0.72，对比 ProtoNet 53.77±0.34 与 48.82±0.62、RelationNet 47.60±0.62 与 38.18±2.48、MAML 34.30±3.04 与 30.93±1.40；作者用 Wilcoxon 符号秩检验报告 p=0.0625，并说明这是 n=5 种子下可达到的最强信号，低于常规 p<0.05 阈值。
内容自适应 patch 定位器是该架构效率与鲁棒性的主要机制，而成对关系令牌只提供小幅辅助增益。 该架构最初以显式成对空间关系计算为动机假设，作者用证伪式消融直接检验这一假设，而非默认其成立。 表 4 显示：推理时把十个关系令牌置零仅下降 0.19–1.09 个百分点；从随机初始化重训一个无关系变体（21,689 参数）下降 0.00–0.98 个百分点，与前者接近，排除了关系信息在训练中被 patch 嵌入吸收的可能；另设对照显示给普通 ProtoNet 加 LayerNorm 与 AdamW 反而使其下降（49.92 / 43.02），排除了“训练现代化”这一替代解释。
定位器的窗口约束是解决“定位塌缩”的关键设计：无约束定位器让五个 patch 收敛到同一能量峰，牺牲干净图像精度；中等窗口在恢复空间多样性的同时保留大部分遮挡鲁棒性。 作者报告了从无约束（window_frac=1.0）到中等约束（window_frac=0.5）的失败模式与修复过程，并给出 patch 中心间距等量化指标。 无约束时 patch 中心两两距离从固定网格的 0.997 塌缩到约 0.31，干净精度相对固定网格基线下降 3.8–5.7 个百分点；window_frac=0.5 时距离回到 0.68–0.74、中心漂移约 0.61，干净精度恢复到距固定网格基线 0.4–1.6 个百分点以内；作者还用随机打乱与随机平移对照验证增益来自真实内容自适应。
该架构在跨域迁移与常见扰动下表现更好，并更快收敛，但 1-shot 相对 ProtoNet 的优势并不稳定。 把跨域零重训迁移、遮挡与平移鲁棒性、以及训练回合-精度曲线一并纳入同一等预算协议，这在如此参数规模的少样本架构上并不常见。 表 3 显示 EXP-F3 在未见域 CUB-200-2011 上取得最高绝对精度 42.09±0.94（ProtoNet 36.86±1.04），5/5 种子一致，p=0.0625；表 2 显示 50% 遮挡下 46.54±1.33（CIFAR）与 44.87±1.27（Mini），25% 平移下 42.65±2.08 与 44.81±1.16，其中 CIFAR-FS 平移与 ProtoNet 为统计平局（3/5 种子）；4.5 节基于 3 个种子报告 MiniImageNet 上前 50 回合即超过 45% 精度，而 ProtoNet 需 100–150 回合，作者明确标注该发现为方向性而非确证性。
启示与展望
这项工作面向算力与数据受限的实践者：单台消费级笔记本上的研究者、边缘设备部署团队，以及无法承担数百万参数骨干与数万回合元训练的人。它适用的设定是 5-way 少样本图像分类、84×84 原生分辨率、从零开始的小预算元训练（250 回合），以及 CIFAR-FS、MiniImageNet 与作为未见细粒度域的 CUB-200-2011。作者公开了全部源码、5 种子检查点及其 SHA-256 哈希、复现清单与绘图脚本，并附带检查点校验脚本，因此后续工作可以在同一等回合预算下复现或扩展该协议，例如加入更多基准、更多跨域目标，或把内容自适应定位器迁移到其他低参数架构中。
读者需要留意几处范围界定。1-shot 设定下该架构相对 ProtoNet 没有一致且统计显著的优势，CIFAR-FS 上基本持平，作者把容量扫描做到 196,035 参数仍未解决这一差距，并报告三个诊断假设（嵌入噪声、嵌入空间压缩、softmax 置信度平坦）均被检验后否定，因此这是一个开放问题。MAML 基线在 250 回合等预算下训练，远低于文献中常见的数万回合收敛规模，作者明确要求把 MAML 对比读作预算匹配而非文献收敛。样本效率曲线基于 3 个种子，作者自己标注为方向性发现。所有头条比较的 n=5 种子使 Wilcoxon 最强只能达到 p=0.0625，作者如实报告而不暗示常规显著性。此外，本次加载的是论文全文，但其中的图 1、图 2、图 3、图 4 仅以图注形式出现，图像内容本身无法核验，因此关于 patch 放置可视化与容量曲线的具体形态只能依据正文描述。