Buchumschlag

Ambiguity-Guided Learnable Distribution Calibration for Semi-Supervised Few-Shot Class-Incremental Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lyu, Fan, Zhao, Linglan, Liu, Chengyan, Mei, Yinying, Zhang, Zhang, Zhang, Jian, Hu, Fuyuan, Wang, Liang
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

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

A Strong Baseline for Semi-Supervised Incremental Few-Shot Learning
von: Zhao, Linglan, et al.
Veröffentlicht: (2021)

Bias Mitigating Few-Shot Class-Incremental Learning
von: Zhao, Li-Jun, et al.
Veröffentlicht: (2024)

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

Sculpting Margin Penalty: Intra-Task Adapter Merging and Classifier Calibration for Few-Shot Class-Incremental Learning
von: Bai, Liang, et al.
Veröffentlicht: (2025)

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

Embedding Space Allocation with Angle-Norm Joint Classifiers for Few-Shot Class-Incremental Learning
von: Tu, Dunwei, et al.
Veröffentlicht: (2024)

Controllable Relation Disentanglement for Few-Shot Class-Incremental Learning
von: Zhou, Yuan, et al.
Veröffentlicht: (2024)

Consistency-Driven Calibration and Matching for Few-Shot Class-Incremental Learning
von: Wang, Qinzhe, et al.
Veröffentlicht: (2025)

Adaptive Decision Boundary for Few-Shot Class-Incremental Learning
von: Li, Linhao, et al.
Veröffentlicht: (2025)

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

SPRINT: Semi-supervised Prototypical Representation for Few-Shot Class-Incremental Tabular Learning
von: Suleymanov, Umid, et al.
Veröffentlicht: (2026)

Knowledge Adaptation Network for Few-Shot Class-Incremental Learning
von: Wang, Ye, et al.
Veröffentlicht: (2024)

Few-Shot Class-Incremental Model Attribution Using Learnable Representation From CLIP-ViT Features
von: Lee, Hanbyul, et al.
Veröffentlicht: (2025)

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

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

Singular Value Fine-tuning for Few-Shot Class-Incremental Learning
von: Wang, Zhiwu, et al.
Veröffentlicht: (2025)

Calibrating Higher-Order Statistics for Few-Shot Class-Incremental Learning with Pre-trained Vision Transformers
von: Goswami, Dipam, et al.
Veröffentlicht: (2024)

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

Continuous Knowledge-Preserving Decomposition with Adaptive Layer Selection for Few-Shot Class-Incremental Learning
von: Li, Xiaojie, et al.
Veröffentlicht: (2025)

Multimodal Parameter-Efficient Few-Shot Class Incremental Learning
von: D'Alessandro, Marco, et al.
Veröffentlicht: (2023)

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

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

Generalized Category Discovery via Reciprocal Learning and Class-Wise Distribution Regularization
von: Liu, Duo, et al.
Veröffentlicht: (2025)

Unlocking Prototype Potential: An Efficient Tuning Framework for Few-Shot Class-Incremental Learning
von: Jiang, Shengqin, et al.
Veröffentlicht: (2026)

Semantic-Anchored, Class Variance-Optimized Clustering for Robust Semi-Supervised Few-Shot Learning
von: Maji, Souvik, et al.
Veröffentlicht: (2025)

Towards Non-Exemplar Semi-Supervised Class-Incremental Learning
von: Liu, Wenzhuo, et al.
Veröffentlicht: (2024)

Enhanced Few-Shot Class-Incremental Learning via Ensemble Models
von: Zhu, Mingli, et al.
Veröffentlicht: (2024)

Hyperbolic Coarse-to-Fine Few-Shot Class-Incremental Learning
von: Dai, Jiaxin, et al.
Veröffentlicht: (2025)

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

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

HyCal: A Training-Free Prototype Calibration Method for Cross-Discipline Few-Shot Class-Incremental Learning
von: Lee, Eunju, et al.
Veröffentlicht: (2026)

GCT: Graph Co-Training for Semi-Supervised Few-Shot Learning
von: Xu, Rui, et al.
Veröffentlicht: (2022)

MoTiC: Momentum Tightness and Contrast for Few-Shot Class-Incremental Learning
von: He, Zeyu, et al.
Veröffentlicht: (2025)

Semantic Class Distribution Learning for Debiasing Semi-Supervised Medical Image Segmentation
von: Su, Yingxue, et al.
Veröffentlicht: (2026)

A streamlined Approach to Multimodal Few-Shot Class Incremental Learning for Fine-Grained Datasets
von: Doan, Thang, et al.
Veröffentlicht: (2024)

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

DeCLIP: Decoupled Prompting for CLIP-based Multi-Label Class-Incremental Learning
von: Du, Kaile, et al.
Veröffentlicht: (2025)

Mamba-FSCIL: Dynamic Adaptation with Selective State Space Model for Few-Shot Class-Incremental Learning
von: Li, Xiaojie, et al.
Veröffentlicht: (2024)

Learn by Reasoning: Analogical Weight Generation for Few-Shot Class-Incremental Learning
von: Han, Jizhou, et al.
Veröffentlicht: (2025)