Tag · 4 篇
无样本回放
基于典型相关分析的 CLIP 持续学习子空间对齐
Subspace Alignment for CLIP-based Continual Learning via Canonical Correlation Analysis
针对 CLIP 单模态持续学习中视觉分支漂移强于文本分支的「非对称漂移」问题，用跨任务累积的视觉-文本协方差求解 CCA 共享子空间，在不改动 CLIP 参数、不用样本回放的前提下恢复跨模态对齐；这一子空间对齐思路可直接迁移到任何需要冻结主干、只做后处理投影的持续学习或跨模态检索场景。
提示词锚定的视觉-文本蒸馏用于终身行人重识别
Prompt-Anchored Vision-Text Distillation for Lifelong Person Re-identification
将预训练视觉-语言模型中冻结的文本编码器作为跨域语义锚点，通过提示词蒸馏与自适应提示池实现无样本回放的终身行人重识别，为视觉领域的持续学习提供了一种利用辅助模态稳定语义的通用思路。
HAD：面向终身异质学习的异质性感知蒸馏
HAD: Heterogeneity-Aware Distillation for Lifelong Heterogeneous Learning
提出无样本回放的异质知识蒸馏框架，通过分布平衡和显著性引导的蒸馏损失，在密集预测任务序列中保留不同输出结构的异质知识，可复用于多任务或持续学习场景。
CHEEM：复用、新建、适配与跳过的持续学习——一种分层探索-利用方法
CHEEM: Continual Learning by Reuse, New, Adapt and Skip - A Hierarchical Exploration-Exploitation Approach
把神经架构搜索当作持续学习中的内部记忆：每个新任务通过 reuse/new/adapt/skip 四种原语动态改写骨干网络结构，视觉研究者可将其作为免样本类增量学习下替代 prompt 微调的骨干自适应方案，并复用其任务质心外部记忆做任务 ID 推理。