arXiv · Computer Vision· Junhui Yin, Yuchen Yang, Yilin Yin, Shuai Na, Haoran Xi, Jianhua Yang, Muyi Sun, Man Zhang, Shengfeng He·· 3 小时前AI 评分21
面向通用少样本类增量学习的生成数据筛选方法
Learning to Curate What You Generate for Generalizable Few-Shot Class-Incremental Learning
AI 导读
论文提出通用少样本类增量学习（G-FSCIL）设定，基础会话本身仅含少量类别，解决基类与增量数据同时稀缺导致的表征薄弱与语义漂移问题。方法用冻结的扩散模型构建类特定合成候选池，在首次观测时执行类反转并复用条件嵌入按需生成，再学习知识筛选策略选出兼具语义一致性与视觉多样性的样本，并蒸馏为可迁移的选择策略。
来源：arXiv · Computer Vision · arxiv.org