CVPRMar, 2024
文本增强的无数据联邦类增量学习方法
Text-Enhanced Data-free Approach for Federated Class-Incremental Learning
Minh-Tuan Tran, Trung Le, Xuan-May Le, Mehrtash Harandi, Dinh Phung
TL;DR利用预训练语言模型生成的标签文本嵌入(LTE),通过在模型训练阶段将样本嵌入约束在这些锚点周围,丰富了周围区域的有意义信息,从而更好地解决了遗忘问题。同时,引入了边界损失以保留样本嵌入的灵活性,减少异构联邦环境中的嵌入重叠,使得 LANDER 在 FCIL 中表现出色。