Tag · 11 篇
增量学习
迈向增量统一多模态异常检测：从信息瓶颈视角增强多模态去噪
Towards an Incremental Unified Multimodal Anomaly Detection: Augmenting Multimodal Denoising From an Information Bottleneck Perspective
对做工业/3D 异常检测的人，这篇给出了一个可复用的思路：用信息瓶颈融合模块在融合后特征上显式过滤冗余维度，并用 Mamba 解码器解耦物体间特征耦合，从而在增量统一框架下抑制伪特征导致的灾难性遗忘。
Smart Replay：面向计算资源感知增量学习的自适应记忆复述调度
Smart Replay: Adaptive Scheduling of Memory Rehearsal for Computational Resource-Aware Incremental Learning
把回放比例当作可调度控制变量、用启发式Q函数在训练中周期性调整，为视觉增量学习在固定算力预算下提供了一种即插即用的调度策略，可直接嵌入基于回放的类增量分类/检测流程。
面向增量目标检测的参数化提示词
Parameterized Prompt for Incremental Object Detection
把可训练提示词从「提示池」改为由神经网络参数化生成，并用融合策略约束更新，可直接迁移到增量目标检测与开放世界检测中缓解新旧类共现导致的提示混淆与灾难性遗忘。
基于未来感知解耦跨头蒸馏的增量目标检测
Incremental Object Detection via Future-Aware Decoupled Cross-Head Distillation
把检测头与骨干网络的训练解耦，并用两个冻结的互补教师对学生的 ROI 特征做跨头蒸馏，可直接迁移到任何需要缓解灾难性遗忘的增量检测/分割框架中。
IncreFA：打破生成模型归属的静态壁垒
IncreFA: Breaking the Static Wall of Generative Model Attribution
把生成图像归属（判别图像来自哪个生成模型）建模为结构化增量学习问题，用架构层级正交先验加潜变量记忆回放来对抗表征漂移；做深伪检测、生成内容溯源或开放集识别的视觉研究者可直接复用其层级约束与伪未见样本混合策略。
动态室内环境中的少样本增量3D目标检测
Few-Shot Incremental 3D Object Detection in Dynamic Indoor Environments
把VLM的2D语义特征与类无关3D框结合成类别原型，并用多模态门控打分，为少样本增量3D检测提供了一条不依赖大量新类标注的路线；其原型印记与特征重加权机制可迁移到其他开放世界/增量检测设定。
少样本混合增量学习：数据稀缺与任务不确定下的持续学习
Few-Shot Hybrid Incremental Learning:Continually Learning under Data Scarcity and Task Uncertainty
CME-MoE 的条件专家复用与元扩展机制，为视觉模型在少样本、任务不确定的持续数据流中平衡稳定性与可塑性提供了可复用的架构级方案；SEPC 按需扩展原型分类器的思路可直接迁移到视觉分类器的域偏移决策边界建模。
EW-DETR：通过增量低秩检测Transformer实现演化世界目标检测
EW-DETR: Evolving World Object Detection via Incremental Low-Rank DEtection TRansformer
EW-DETR 将增量低秩适配器、查询范数对象性适配器和熵感知未知混合集成到 DETR 类检测器中，为视觉研究者在无样本增量学习、域偏移和未知目标检测耦合场景下提供了可复用的模块化方案，并提出了 FOGS 综合评价指标。
基于能量分离的未知目标检测用于开放世界目标检测
Detecting Unknown Objects via Energy-based Separation for Open World Object Detection
用 ETF 构造正交子空间、并同时利用已知/未知两个空间的能量分数来分离未知目标，这一思路可直接迁移到开放词表检测与 OOD 目标发现中的未知判别头设计；EKD 损失对旧/新分类器施加分离约束，也可用于缓解增量检测中的新旧类知识干扰。
推动视觉语言模型面向跨域增量目标检测
Boosting Vision-Language Models Towards Cross-Domain Incremental Object Detection
把「跨域 + 新类别」同时纳入增量目标检测的评测协议，并用按分布分组的动态子空间 + 渐进式 adapter 合并来平衡稳定性与可塑性，可直接迁移到开放世界检测器或 VLM 检测器的持续适配场景。
超越提示词退化：原型引导的双池提示词增量目标检测
Beyond Prompt Degradation: Prototype-guided Dual-pool Prompting for Incremental Object Detection
提出双池提示词解耦范式（共享池+私有池）与原型伪标签生成模块，可复用于任何基于提示词的增量目标检测器，缓解提示词耦合与漂移问题。