Gyutae Oh等发布Lamarck无回放域增量学习论文
热点事件持续更新
Gyutae Oh等发布Lamarck无回放域增量学习论文
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Gyutae Oh 等在 arXiv 提交论文(arXiv:2611.24145),提出名为 Lamarck 的无回放域增量学习方法:冻结预训练 ViT,每个新域训练一个 expert,并用免训练的 Mahalanobis router 选择 expert。 据论文,其 adapter(在每个 ViT block 后修正图像 token 的小型可训练层)在深度伪造基准 CDDB-Hard 上带来 4.4 点最终精度提升。
AI 根据报道生成 · 1 小时前更新
最新进展11月20日 13:00
Lamarck 提出继承式 Adapter 专家实现无回放域增量学习报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AILamarck 提出继承式 Adapter 专家实现无回放域增量学习
arXiv 论文提出名为 Lamarck 的无回放域增量学习方法:冻结预训练 ViT,每个新域训练一个 expert,并采用免训练 Mahalanobis router 选择 expert。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。