AAAI 2024 | 自适应原型回放用于类增量语义分割
发布日期:2025-06-08 03:10:21 浏览次数:3 分类:精选文章

本文共 465 字,大约阅读时间需要 1 分钟。

论文信息

题目:Adaptive Prototype Replay for Class Incremental Semantic Segmentation
自适应原型回放用于类增量语义分割
作者:Guilin Zhu, Dongyue Wu, Changxin Gao, Runmin Wang, Weidong Yang, Nong Sang
源码:https://github.com/Zhu-gl-ux/Adapter

论文创新点

自适应偏差补偿(ADC)策略:提出了一种自适应偏差补偿(ADC)策略,通过估计增量模型之间的表示偏差,动态更新存储的旧类别原型,从而有效消除增量模型之间的表示偏差,避免固定原型回放策略的局限性。
不确定性感知约束(UAC)损失:设计了一种基于不确定性感知约束(UAC)的损失函数,通过动态调整增量模型的表示范畴,确保模型在类别增量化过程中保持稳定性和准确性。
上一篇:AAAI 2024 | 跨域少样本学习的任务特定预条件器
下一篇:AAAI 2024 | 无对齐RGB-T显著目标检测:大规模数据集与渐进相关网络

发表评论

最新留言

不错!
[***.144.177.141]2026年06月09日 11时59分28秒