arXiv cs.CV· Junhui Yin, Yuchen Yang, Yilin Yin, Shuai Na, Haoran Xi, Jianhua Yang, Muyi Sun, Man Zhang, Shengfeng He·· 5 小时前AI 评分12
面向可泛化小样本类增量学习：学习筛选你生成的数据
Learning to Curate What You Generate for Generalizable Few-Shot Class-Incremental Learning
AI 导读
研究提出可泛化小样本类增量学习（G-FSCIL）设定，即基类会话本身仅有少量类别。方法用冻结的潜在扩散模型构建类特定合成候选池，并学习兼顾语义一致性与视觉多样性的知识筛选策略，将其蒸馏为可迁移的选择策略在基类会话后复用。配合合成信息原型初始化与双向边界校准，该方法在实验中持续优于现有 FSCIL 基线，减少遗忘并改善新旧类平衡。
来源：arXiv cs.CV · arxiv.org