Tag · 3 篇
在线学习
分布 自监督与表征学习1高效模型与推理加速1图像分割1
01 02 03
TALON：面向在线类别发现的测试时自适应学习
TALON: Test-time Adaptive Learning for On-the-Fly Category Discovery
把测试时自适应从「只调分类器」扩展到「同时更新语义原型与编码器参数」，为开放世界视觉任务中在线吸收新类别提供了可复用范式；其 margin-aware logit 校准思路也可迁移到任何需要为未来类别预留嵌入空间的长尾/增量识别场景。
重新审视 SNN 在线训练与部署：基于混合驱动 LIF 模型的梯度一致学习
Rethinking SNN Online Training and Deployment: Gradient-Coherent Learning via Hybrid-Driven LIF Model
HD-LIF 通过在上、下阈值区域采用不同的脉冲计算机制，把时序梯度分离并缓解替代梯度错位，为视觉任务中 SNN 的在线训练提供了一条在精度、显存占用与功耗之间取得平衡的路径；做低功耗视觉骨干或事件相机后端的研究者可直接替换 LIF 单元复用该机制。
用于视频分割的实时交互式训练
Live Interactive Training for Video Segmentation
LIT-LoRA 在推理时利用用户修正在线更新轻量 LoRA 模块，使视频分割模型能持续适应同一视频中的目标外观变化，为交互式视觉工具提供了一种低开销的在线自适应范式。