Klasseninkrementelles Lernen mit vortrainierten Modellen

Erweiterbare Subspace-Ensemble für vortrainierte modellbasierte klasseninkrementelle Lernen

Das Erlernen neuer Klassen führt oft zum Überschreiben von alten Klassen, was zu katastrophalem Vergessen führt. EASE löst dieses Problem, indem es leichtgewichtige, aufgabenspezifische Adapter-Module für jede neue Aufgabe trainiert, um aufgabenspezifische Subräume zu schaffen. Diese Adapter ermöglichen eine gemeinsame Entscheidungsfindung über mehrere Subräume hinweg, ohne dass alte Klassen vergessen werden.