最近の深層学習モデルは人間よりも優れたパフォーマンスを達成しているが、DLモデルは複数のタスクを順次学習することができず、新しいタスクを学習した後に以前に学んだ知識を忘れてしまう。この問題に対処するため、Class Incremental Learning(CIL)は以前のクラスの知識を忘れることなく新しいクラスの情報を学習する方法に焦点を当ててきた。しかし、これらの方法はプライバシーや法的問題やデバイス上のメモリ制約から実現不可能である。そのため、Exemplar-Free CILが人気を集めており、最近では例示物なしCIL手法が増加している。これらの手法は合成画像生成や知識蒸留技術などを用いて前回のデータを代替して利用している。提案された手法では、多様な分布にマッチングする拡散モデル(MDM)技術と選択的合成画像増強(SSIA)技術が採用されており、これらの統合によりExemplar-Free CILが改革されて多ドメイン適応問題へと再構築されている。
A otro idioma
del contenido fuente
arxiv.org
Ideas clave extraídas de
by Zichong Meng... a las arxiv.org 03-11-2024
https://arxiv.org/pdf/2403.05016.pdfConsultas más profundas