跳到正文
arXiv · 机器人与计算机视觉· Yang Ji, Ying Sun, Yuanxin Zhuang, Yuting Zhang·· 13 小时前AI 评分72

RetroCBM:一种用于无示例类增量学习的回溯概念瓶颈模型

Retroactive Concept Bottleneck Models for Exemplar-Free Class-Incremental Learning

AI 导读

该论文提出了 RetroCBM 方法,旨在解决无示例类增量学习(EFCIL)中旧概念在新任务下被忽视的问题。该方法通过保留冻结视觉特征与预训练多模态模型嵌入空间之间的词汇无关统计量,利用回溯回归规则监督新概念,并引入图加权惩罚以修正系统误差对分类的影响。实验显示,RetroCBM 在六个数据集上均优于最先进的可解释方法,平均增量准确率相对最强无示例基线提升 18.1%。

来源:arXiv · 机器人与计算机视觉 · arxiv.org