Buchumschlag

Revisiting Pool-based Prompt Learning for Few-shot Class-incremental Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Yongwei, Zou, Yixiong, Li, Yuhua, Li, Ruixuan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Revisiting Continuity of Image Tokens for Cross-domain Few-shot Learning
von: Yi, Shuai, et al.
Veröffentlicht: (2025)

Remedying Target-Domain Astigmatism for Cross-Domain Few-Shot Object Detection
von: Jiang, Yongwei, et al.
Veröffentlicht: (2026)

Compositional Few-Shot Class-Incremental Learning
von: Zou, Yixiong, et al.
Veröffentlicht: (2024)

MICM: Rethinking Unsupervised Pretraining for Enhanced Few-shot Learning
von: Zhang, Zhenyu, et al.
Veröffentlicht: (2024)

Random Registers for Cross-Domain Few-Shot Learning
von: Yi, Shuai, et al.
Veröffentlicht: (2025)

Mind the Discriminability Trap in Source-Free Cross-domain Few-shot Learning
von: Zhang, Zhenyu, et al.
Veröffentlicht: (2026)

Reviving In-domain Fine-tuning Methods for Source-Free Cross-domain Few-shot Learning
von: Zhao, Yaze, et al.
Veröffentlicht: (2026)

Addressing Exacerbated Attention Sink for Source-Free Cross-Domain Few-Shot Learning
von: Yi, Shuai, et al.
Veröffentlicht: (2026)

Reconstruction Target Matters in Masked Image Modeling for Cross-Domain Few-Shot Learning
von: Ma, Ran, et al.
Veröffentlicht: (2024)

Delve into Base-Novel Confusion: Redundancy Exploration for Few-Shot Class-Incremental Learning
von: Zhou, Haichen, et al.
Veröffentlicht: (2024)

Improving CLIP Adaptation by Breaking Tail Alignment for Source-Free Cross-Domain Few-Shot Learning
von: Yi, Shuai, et al.
Veröffentlicht: (2026)

Interpretable Cross-Domain Few-Shot Learning with Rectified Target-Domain Local Alignment
von: Zhao, Yaze, et al.
Veröffentlicht: (2026)

Learning Unknowns from Unknowns: Diversified Negative Prototypes Generator for Few-Shot Open-Set Recognition
von: Zhang, Zhenyu, et al.
Veröffentlicht: (2024)

Flatten Long-Range Loss Landscapes for Cross-Domain Few-Shot Learning
von: Zou, Yixiong, et al.
Veröffentlicht: (2024)

The Devil is in Low-Level Features for Cross-Domain Few-Shot Segmentation
von: Liu, Yuhan, et al.
Veröffentlicht: (2025)

Lightweight Frequency Masker for Cross-Domain Few-Shot Semantic Segmentation
von: Tong, Jintao, et al.
Veröffentlicht: (2024)

Decoupling Template Bias in CLIP: Harnessing Empty Prompts for Enhanced Few-Shot Learning
von: Zhang, Zhenyu, et al.
Veröffentlicht: (2025)

Rethinking Few-shot Class-incremental Learning: Learning from Yourself
von: Tang, Yu-Ming, et al.
Veröffentlicht: (2024)

Self-Disentanglement and Re-Composition for Cross-Domain Few-Shot Segmentation
von: Tong, Jintao, et al.
Veröffentlicht: (2025)

Adapter Naturally Serves as Decoupler for Cross-Domain Few-Shot Semantic Segmentation
von: Tong, Jintao, et al.
Veröffentlicht: (2025)

A Forward and Backward Compatible Framework for Few-shot Class-incremental Pill Recognition
von: Zhang, Jinghua, et al.
Veröffentlicht: (2023)

FILP-3D: Enhancing 3D Few-shot Class-incremental Learning with Pre-trained Vision-Language Models
von: Xu, Wan, et al.
Veröffentlicht: (2023)

Language-Inspired Relation Transfer for Few-shot Class-Incremental Learning
von: Zhao, Yifan, et al.
Veröffentlicht: (2025)

Few-shot Unknown Class Discovery of Hyperspectral Images with Prototype Learning and Clustering
von: Liu, Chun, et al.
Veröffentlicht: (2025)

GiPL: Generative augmented iterative Pseudo-Labeling for Cross-Domain Few-Shot Object Detection
von: Liu, Jiacong, et al.
Veröffentlicht: (2026)

Envisioning Class Entity Reasoning by Large Language Models for Few-shot Learning
von: Liu, Mushui, et al.
Veröffentlicht: (2024)

DSS-Prompt: Dynamic-Static Synergistic Prompting for Few-Shot Class-Incremental Learning
von: He, Linpu, et al.
Veröffentlicht: (2025)

PL-FSCIL: Harnessing the Power of Prompts for Few-Shot Class-Incremental Learning
von: Tian, Songsong, et al.
Veröffentlicht: (2024)

Prompt-and-Transfer: Dynamic Class-aware Enhancement for Few-shot Segmentation
von: Bi, Hanbo, et al.
Veröffentlicht: (2024)

LDEPrompt: Layer-importance guided Dual Expandable Prompt Pool for Pre-trained Model-based Class-Incremental Learning
von: Li, Linjie, et al.
Veröffentlicht: (2026)

Retrieval-Enhanced Visual Prompt Learning for Few-shot Classification
von: Rong, Jintao, et al.
Veröffentlicht: (2023)

Class Similarity Transition: Decoupling Class Similarities and Imbalance from Generalized Few-shot Segmentation
von: Wang, Shihong, et al.
Veröffentlicht: (2024)

Few-shot Calligraphy Style Learning
von: Chen, Fangda, et al.
Veröffentlicht: (2024)

Covariance-based Space Regularization for Few-shot Class Incremental Learning
von: Hu, Yijie, et al.
Veröffentlicht: (2024)

Adaptive Prompt Learning with SAM for Few-shot Scanning Probe Microscope Image Segmentation
von: Shen, Yao, et al.
Veröffentlicht: (2024)

FlowCut: Rethinking Redundancy via Information Flow for Efficient Vision-Language Models
von: Tong, Jintao, et al.
Veröffentlicht: (2025)

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

Effective Prompt Pool Learning for Continual Category Discovery
von: Cendra, Fernando Julio, et al.
Veröffentlicht: (2024)

Learning Prompt with Distribution-Based Feature Replay for Few-Shot Class-Incremental Learning
von: Huang, Zitong, et al.
Veröffentlicht: (2024)

VQA Training Sets are Self-play Environments for Generating Few-shot Pools
von: Misiunas, Tautvydas, et al.
Veröffentlicht: (2024)