Buchumschlag

Improving Forward Compatibility in Class Incremental Learning by Increasing Representation Rank and Feature Richness

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Jaeill, Lee, Wonseok, Eo, Moonjung, Rhee, Wonjong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards a Better Evaluation of Out-of-Domain Generalization
von: Hwang, Duhun, et al.
Veröffentlicht: (2024)

Task-Specific Preconditioner for Cross-Domain Few-Shot Learning
von: Kang, Suhyun, et al.
Veröffentlicht: (2024)

An Image Grid Can Be Worth a Video: Zero-shot Video Question Answering Using a VLM
von: Kim, Wonkyun, et al.
Veröffentlicht: (2024)

Enhancing Contrastive Learning with Efficient Combinatorial Positive Pairing
von: Kim, Jaeill, et al.
Veröffentlicht: (2024)

Cross-Class Feature Augmentation for Class Incremental Learning
von: Kim, Taehoon, et al.
Veröffentlicht: (2023)

Orthogonal Negative Guidance in Attention Feature Space for Text-to-Image Generation
von: Ko, Jungmin, et al.
Veröffentlicht: (2026)

Progressive Multimodal Search and Reasoning for Knowledge-Intensive Visual Question Answering
von: Choi, Changin, et al.
Veröffentlicht: (2025)

Class-Incremental Learning with CLIP: Adaptive Representation Adjustment and Parameter Fusion
von: Huang, Linlan, et al.
Veröffentlicht: (2024)

BOFA: Bridge-Layer Orthogonal Low-Rank Fusion for CLIP-Based Class-Incremental Learning
von: Li, Lan, et al.
Veröffentlicht: (2025)

Feature Expansion and enhanced Compression for Class Incremental Learning
von: Ferdinand, Quentin, et al.
Veröffentlicht: (2024)

Brain-Inspired Continual Learning-Robust Feature Distillation and Re-Consolidation for Class Incremental Learning
von: Khan, Hikmat, et al.
Veröffentlicht: (2024)

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

Future-Proofing Class-Incremental Learning
von: Jodelet, Quentin, et al.
Veröffentlicht: (2024)

Class-Incremental Learning: A Survey
von: Zhou, Da-Wei, et al.
Veröffentlicht: (2023)

Tripartite Weight-Space Ensemble for Few-Shot Class-Incremental Learning
von: Lee, Juntae, et al.
Veröffentlicht: (2025)

Incremental Online Learning of Randomized Neural Network with Forward Regularization
von: Wang, Junda, et al.
Veröffentlicht: (2024)

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

Effective Decision Boundary Learning for Class Incremental Learning
von: Li, Kunchi, et al.
Veröffentlicht: (2023)

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

SR$^2$-LoRA: Self-Rectifying Inter-layer Relations in Low-Rank Adaptation for Class-Incremental Learning
von: Wan, Fengqiang, et al.
Veröffentlicht: (2026)

iNeMo: Incremental Neural Mesh Models for Robust Class-Incremental Learning
von: Fischer, Tom, et al.
Veröffentlicht: (2024)

Feature-Space Generative Models for One-Shot Class-Incremental Learning
von: Foster, Jack, et al.
Veröffentlicht: (2026)

Stable Routing for Mixture-of-Experts in Class-Incremental Learning
von: Guo, Zirui, et al.
Veröffentlicht: (2026)

Towards Realistic Incremental Scenario in Class Incremental Semantic Segmentation
von: Kwak, Jihwan, et al.
Veröffentlicht: (2024)

When Classes Evolve: A Benchmark and Framework for Stage-Aware Class-Incremental Learning
von: Zhang, Zheng, et al.
Veröffentlicht: (2026)

Confidence Self-Calibration for Multi-Label Class-Incremental Learning
von: Du, Kaile, et al.
Veröffentlicht: (2024)

On Distilling the Displacement Knowledge for Few-Shot Class-Incremental Learning
von: Fang, Pengfei, et al.
Veröffentlicht: (2024)

Adaptive Adapter Routing for Long-Tailed Class-Incremental Learning
von: Qi, Zhi-Hong, et al.
Veröffentlicht: (2024)

External Knowledge Injection for CLIP-Based Class-Incremental Learning
von: Zhou, Da-Wei, et al.
Veröffentlicht: (2025)

A Bag of Tricks for Few-Shot Class-Incremental Learning
von: Roy, Shuvendu, et al.
Veröffentlicht: (2024)

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

Scalable Class-Incremental Learning Based on Parametric Neural Collapse
von: Zhang, Chuangxin, et al.
Veröffentlicht: (2025)

Dynamic Prompt Adjustment for Multi-Label Class-Incremental Learning
von: Zhao, Haifeng, et al.
Veröffentlicht: (2024)

Merge and Bound: Direct Manipulations on Weights for Class Incremental Learning
von: Kim, Taehoon, et al.
Veröffentlicht: (2025)

Selectively Informative Description can Reduce Undesired Embedding Entanglements in Text-to-Image Personalization
von: Kim, Jimyeong, et al.
Veröffentlicht: (2024)

12 mJ per Class On-Device Online Few-Shot Class-Incremental Learning
von: Wibowo, Yoga Esa, et al.
Veröffentlicht: (2024)

Specifying What You Know or Not for Multi-Label Class-Incremental Learning
von: Zhang, Aoting, et al.
Veröffentlicht: (2025)

Mimicking the Oracle: An Initial Phase Decorrelation Approach for Class Incremental Learning
von: Shi, Yujun, et al.
Veröffentlicht: (2021)

Hierarchical Semantic Tree Anchoring for CLIP-Based Class-Incremental Learning
von: Hu, Tao, et al.
Veröffentlicht: (2025)

AREA: Attribute Extraction and Aggregation for CLIP-Based Class-Incremental Learning
von: Xie, Zhen-Hao, et al.
Veröffentlicht: (2026)