Buchumschlag

Defying Imbalanced Forgetting in Class Incremental Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Shixiong, Meng, Gaofeng, Nie, Xing, Ni, Bolin, Fan, Bin, Xiang, Shiming
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AddressCLIP: Empowering Vision-Language Models for City-wide Image Address Localization
von: Xu, Shixiong, et al.
Veröffentlicht: (2024)

Enhancing Visual Continual Learning with Language-Guided Supervision
von: Ni, Bolin, et al.
Veröffentlicht: (2024)

Understanding Imbalanced Forgetting in Rehearsal-Based Class-Incremental Learning
von: Tamajo, Alberto, et al.
Veröffentlicht: (2026)

AddressVLM: Cross-view Alignment Tuning for Image Address Localization using Large Vision-Language Models
von: Xu, Shixiong, et al.
Veröffentlicht: (2025)

Continual Forgetting for Pre-trained Vision Models
von: Zhao, Hongbo, et al.
Veröffentlicht: (2024)

Practical Continual Forgetting for Pre-trained Vision Models
von: Zhao, Hongbo, et al.
Veröffentlicht: (2025)

Addressing Imbalance for Class Incremental Learning in Medical Image Classification
von: Hao, Xuze, et al.
Veröffentlicht: (2024)

Rethinking Class-Incremental Learning from a Dynamic Imbalanced Learning Perspective
von: Wang, Leyuan, et al.
Veröffentlicht: (2024)

Gradient Reweighting: Towards Imbalanced Class-Incremental Learning
von: He, Jiangpeng, et al.
Veröffentlicht: (2024)

Free Lunch for Generating Effective Outlier Supervision
von: Pei, Sen, et al.
Veröffentlicht: (2023)

Non-Forgetting Knowledge Allocation with Bi-level Competition for Class-Incremental Learning
von: Tan, Xiang, et al.
Veröffentlicht: (2026)

A Survey of Low-shot Vision-Language Model Adaptation via Representer Theorem
von: Ding, Kun, et al.
Veröffentlicht: (2024)

Reusable Architecture Growth for Continual Stereo Matching
von: Zhang, Chenghao, et al.
Veröffentlicht: (2024)

Reducing Catastrophic Forgetting in Online Class Incremental Learning Using Self-Distillation
von: Nagata, Kotaro, et al.
Veröffentlicht: (2024)

Calibrated Cache Model for Few-Shot Vision-Language Model Adaptation
von: Ding, Kun, et al.
Veröffentlicht: (2024)

MCF-VC: Mitigate Catastrophic Forgetting in Class-Incremental Learning for Multimodal Video Captioning
von: Xiong, Huiyu, et al.
Veröffentlicht: (2024)

Enhancing Generative Class Incremental Learning Performance with Model Forgetting Approach
von: Togo, Taro, et al.
Veröffentlicht: (2024)

Breaking Forgetting: Training-Free Few-Shot Class-Incremental Learning via Conditional Diffusion
von: Kang, Haidong, et al.
Veröffentlicht: (2025)

Demystifying Catastrophic Forgetting in Two-Stage Incremental Object Detector
von: Wu, Qirui, et al.
Veröffentlicht: (2025)

SMoLoRA: Exploring and Defying Dual Catastrophic Forgetting in Continual Visual Instruction Tuning
von: Wang, Ziqi, et al.
Veröffentlicht: (2024)

Few-shot Class-Incremental Learning via Generative Co-Memory Regularization
von: Bao, Kexin, et al.
Veröffentlicht: (2026)

DiffClass: Diffusion-Based Class Incremental Learning
von: Meng, Zichong, et al.
Veröffentlicht: (2024)

Rethinking Comprehensive Benchmark for Chart Understanding: A Perspective from Scientific Literature
von: Shen, Lingdong, et al.
Veröffentlicht: (2024)

Make Domain Shift a Catastrophic Forgetting Alleviator in Class-Incremental Learning
von: Chen, Wei, et al.
Veröffentlicht: (2024)

ProtoFlow: Mitigating Forgetting in Class-Incremental Remote Sensing Segmentation via Low-Curvature Prototype Flow
von: Wu, Jiekai, et al.
Veröffentlicht: (2026)

Controllable Forgetting Mechanism for Few-Shot Class-Incremental Learning
von: Paramonov, Kirill, et al.
Veröffentlicht: (2025)

Divide and Conquer: Static-Dynamic Collaboration for Few-Shot Class-Incremental Learning
von: Bao, Kexin, et al.
Veröffentlicht: (2026)

Closing the Oracle Gap: Increment Vector Transformation for Class Incremental Learning
von: Qiu, Zihuan, et al.
Veröffentlicht: (2025)

Exemplar-Free Class Incremental Learning via Incremental Representation
von: Huang, Libo, et al.
Veröffentlicht: (2024)

ALADE-SNN: Adaptive Logit Alignment in Dynamically Expandable Spiking Neural Networks for Class Incremental Learning
von: Ni, Wenyao, et al.
Veröffentlicht: (2024)

LCGC: Learning from Consistency Gradient Conflicting for Class-Imbalanced Semi-Supervised Debiasing
von: Xing, Weiwei, et al.
Veröffentlicht: (2025)

CD^2: Constrained Dataset Distillation for Few-Shot Class-Incremental Learning
von: Bao, Kexin, et al.
Veröffentlicht: (2026)

Rebalancing Multi-Label Class-Incremental Learning
von: Du, Kaile, et al.
Veröffentlicht: (2024)

One Adapter for All: Towards Unified Representation in Step-Imbalanced Class-Incremental Learning
von: Zhang, Xiaoyan, et al.
Veröffentlicht: (2026)

Class-Independent Increment: An Efficient Approach for Multi-label Class-Incremental Learning
von: Ding, Chenhao, et al.
Veröffentlicht: (2025)

Not Just Object, But State: Compositional Incremental Learning without Forgetting
von: Zhang, Yanyi, et al.
Veröffentlicht: (2024)

PKI: Prior Knowledge-Infused Neural Network for Few-Shot Class-Incremental Learning
von: Baoa, Kexin, et al.
Veröffentlicht: (2026)

Class-wise Balancing Data Replay for Federated Class-Incremental Learning
von: Qi, Zhuang, et al.
Veröffentlicht: (2025)

CALA: A Class-Aware Logit Adapter for Few-Shot Class-Incremental Learning
von: Liu, Chengyan, et al.
Veröffentlicht: (2024)

Navigating Semantic Drift in Task-Agnostic Class-Incremental Learning
von: Wu, Fangwen, et al.
Veröffentlicht: (2025)