BriefGPT.xyz
大模型
Ask
alpha
关键词
exemplar-free class incremental learning
搜索结果 - 4
面向未来的班级增量学习
通过使用预训练的文本到图像扩散模型生成未来类别的合成图像并使用它们训练特征提取器,我们提出的方法改进了无典范类增量学习的最新方法,特别是在只包含少量类别的最困难的情况下。此外,我们还表明使用未来类别的合成样本比使用不同类别的真实数据能够实现
→
PDF
3 months ago
增量表示的非示例无关类别增量学习
通过使用简单的递增表示 (IR) 框架,使用数据增强覆盖合适的特征空间并使用单一的 L2 空间维护损失来防止模型遗忘,我们提出了一个用于非示例类增量学习 (efCIL) 的方法,实现在合并新类知识的同时保留先前学到的信息,而无需存储任何旧类
→
PDF
3 months ago
ICLR
冷启动免示例增量学习的弹性特征整合
Elastic Feature Consolidation (EFC) 通过对于 feature drift 的正则化,以及使用高度相关的方向和高斯原型来更新重要方向的特征漂移,成功解决了 Exemplar-Free Class Incre
→
PDF
5 months ago
ICCV
适应你的教师:改进无样本连续学习的知识蒸馏
通过知识蒸馏作为正则化策略,我们研究了不需要示例的类别增量学习(CIL),以防止遗忘。我们引入了一种名为教师适应(TA)的方法,它与基于知识蒸馏的 CIL 方法无缝结合,并在多个不需要示例的 CIL 基准测试中持续提高性能。
PDF
a year ago
Prev
Next