Buchumschlag

Addressing Imbalanced Domain-Incremental Learning through Dual-Balance Collaborative Experts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Lan, Zhou, Da-Wei, Ye, Han-Jia, Zhan, De-Chuan
Format:	Preprint
Veröffentlicht:	2025
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

Dual Consolidation for Pre-Trained Model-Based Domain-Incremental Learning
von: Zhou, Da-Wei, et al.
Veröffentlicht: (2024)

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

Expandable Subspace Ensemble for Pre-Trained Model-Based Class-Incremental Learning
von: Zhou, Da-Wei, et al.
Veröffentlicht: (2024)

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

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

Revisiting Class-Incremental Learning with Pre-Trained Models: Generalizability and Adaptivity are All You Need
von: Zhou, Da-Wei, et al.
Veröffentlicht: (2023)

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

MOS: Model Surgery for Pre-Trained Model-Based Class-Incremental Learning
von: Sun, Hai-Long, et al.
Veröffentlicht: (2024)

PILOT: A Pre-Trained Model-Based Continual Learning Toolbox
von: Sun, Hai-Long, et al.
Veröffentlicht: (2023)

Integrating Task-Specific and Universal Adapters for Pre-Trained Model-based Class-Incremental Learning
von: Wang, Yan, et al.
Veröffentlicht: (2025)

Continual Learning with Pre-Trained Models: A Survey
von: Zhou, Da-Wei, et al.
Veröffentlicht: (2024)

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

TV100: A TV Series Dataset that Pre-Trained CLIP Has Not Seen
von: Zhou, Da-Wei, et al.
Veröffentlicht: (2024)

Task-Agnostic Guided Feature Expansion for Class-Incremental Learning
von: Zheng, Bowen, et al.
Veröffentlicht: (2025)

Learning without Forgetting for Vision-Language Models
von: Zhou, Da-Wei, et al.
Veröffentlicht: (2023)

Cross-Sample Relational Fusion: Unifying Domain Generalization and Class-Incremental Learning
von: Xie, Zhen-Hao, et al.
Veröffentlicht: (2026)

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

C3Box: A CLIP-based Class-Incremental Learning Toolbox
von: Sun, Hao, et al.
Veröffentlicht: (2026)

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

Bridge the Modality and Capability Gaps in Vision-Language Model Selection
von: Yi, Chao, et al.
Veröffentlicht: (2024)

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

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

Hawk: Leveraging Spatial Context for Faster Autoregressive Text-to-Image Generation
von: Chen, Zhi-Kai, et al.
Veröffentlicht: (2025)

Modality-Balanced Collaborative Distillation for Multi-Modal Domain Generalization
von: Wang, Xiaohan, et al.
Veröffentlicht: (2025)

Componential Prompt-Knowledge Alignment for Domain Incremental Learning
von: Xu, Kunlun, et al.
Veröffentlicht: (2025)

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

Hierarchical Representation Matching for CLIP-based Class-Incremental Learning
von: Wen, Zhen-Hao, et al.
Veröffentlicht: (2025)

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

The Golden Subspace: Where Efficiency Meets Generalization in Continual Test-Time Adaptation
von: Lai, Guannan, et al.
Veröffentlicht: (2026)

Collaborative Learning with Multiple Foundation Models for Source-Free Domain Adaptation
von: Lee, Huisoo, et al.
Veröffentlicht: (2025)

BaCon: Boosting Imbalanced Semi-supervised Learning via Balanced Feature-Level Contrastive Learning
von: Feng, Qianhan, et al.
Veröffentlicht: (2024)

One-Shot Domain Incremental Learning
von: Esaki, Yasushi, et al.
Veröffentlicht: (2024)

Incremental Object Keypoint Learning
von: Liang, Mingfu, et al.
Veröffentlicht: (2025)

COD: Learning Conditional Invariant Representation for Domain Adaptation Regression
von: Yang, Hao-Ran, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Multi-Expert Knowledge Distillation for Imbalanced Disease Grading
von: Tong, Shuo, et al.
Veröffentlicht: (2025)

DirPA: Addressing Prior Shift in Imbalanced Few-shot Crop-type Classification
von: Reuss, Joana, et al.
Veröffentlicht: (2026)

Mixture-of-Experts for Open Set Domain Adaptation: A Dual-Space Detection Approach
von: Du, Zhenbang, et al.
Veröffentlicht: (2023)

Remembering by Reconstructing: Domain Incremental Learning With Test-Time Training on Video Streams
von: Swinnen, Jonathan, et al.
Veröffentlicht: (2026)

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

Sampling Control for Imbalanced Calibration in Semi-Supervised Learning
von: Tian, Senmao, et al.
Veröffentlicht: (2025)