【长尾学习论文总结】

头部类迁移到尾部类
M2m:Imbalanced Classification via Major-to-minor Translation
(可参考https://zhuanlan.zhihu.com/p/280693827)
通过给多数类样本增加一个扰动，使得多数类样本能够转变为少数类样本，从而获得新的少数类样本。
问题：和传统意义上数据增强的样本有所不同，这更符合分类器眼中的“增强”样本，这样得到的新样本是否真的具有少数类样本的特征？

样本与样本之间建立关系
BatchFormer: Learning to Explore Sample Relationships for Robust Representation Learning
（可参考https://zhuanlan.zhihu.com/p/556847310）
通过添加BatchFormer模块，在一个Batch里，建立单个样本与其它样本的关系，该模块能够即插即用，适用于很多工作。

少样本学习
Free Lunch for Few-Shot Learning: Distribution Calibration
（可参考https://blog.csdn.net/wei