DuLBE：双模低秩学习与桥接原型集成用于视觉-语言类增量学习

DuLBE 提出双模低秩学习与桥接原型集成分类器，实现无样本类增量学习。根据梯度需求分配两种视觉低秩更新模式，由梯度路由协调：共享模式复用历史可迁移知识，残差模式提供任务特定变化通道。在单位超球面上构建视觉原型与文本嵌入间的测地线桥，集成可靠桥接原型以补偿文本决策边界的模态差距，在多个设置下达到 SOTA CIL 性能并保持低秩调参的高参数效率。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。