arXiv cs.AI· Avi Gupta, Nilotpal Sinha, Vishnu Raj, Sambuddha Saha, Pratik Joshi, Koteswar Rao Jerripothula, Tammam Tillo·· 1 天前AI 评分36
多模态基础模型在上下文驱动的类增量学习中的泛化研究
Generalizing Multimodal Foundational Models in Context-Driven Class Incremental Learning
AI 导读
研究人员提出一个框架，将冻结的多模态基础模型泛化到视听类增量学习（CIL）中。该框架利用稠密音频与视觉表征，以音频表征作为任务稳定的上下文引导视觉表征，并结合特征级与 logit 级蒸馏缓解灾难性遗忘。在多个视听 CIL 基准上该方法持续优于 SOTA，代码已开源，论文被 WACV 2027 接收。
来源：arXiv cs.AI · arxiv.org