연구진은 Few-Medoids라는 간단한 코어셋 선택 방법을 제안했어요. 이 방법은 각 클래스의 이미지 중심에 가장 가까운 샘플을 선택하는 방식이에요. Few-Medoids는 다양한 이미지 분류 문제와 컨볼루션 및 트랜스포머 네트워크를 활용한 지식 증류 실험에서 무작위 선택 기준선보다 우수한 성능을 보였어요. 연구 결과는 GitHub에서 공개되었으며, 기존 코어셋 선택 방법의 대체재로 활용될 수 있을 것으로 기대돼요.