Buchumschlag

Representation Calibration and Uncertainty Guidance for Class-Incremental Learning based on Vision Language Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tan, Jiantao, Ma, Peixian, Yu, Tong, Zhang, Wentao, Wang, Ruixuan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Compensating Visual Insufficiency with Stratified Language Guidance for Long-Tail Class Incremental Learning
von: Wang, Xi, et al.
Veröffentlicht: (2026)

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

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

Augmenting Continual Learning of Diseases with LLM-Generated Visual Concepts
von: Tan, Jiantao, et al.
Veröffentlicht: (2025)

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

CLOSER: Towards Better Representation Learning for Few-Shot Class-Incremental Learning
von: Oh, Junghun, et al.
Veröffentlicht: (2024)

Federated Class-Incremental Learning with Prompting
von: Luo, Xin, et al.
Veröffentlicht: (2023)

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

Versatile Incremental Learning: Towards Class and Domain-Agnostic Incremental Learning
von: Park, Min-Yeong, et al.
Veröffentlicht: (2024)

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

Scalable Analytic Classifiers with Associative Drift Compensation for Class-Incremental Learning of Vision Transformers
von: Rao, Xuan, et al.
Veröffentlicht: (2026)

CHASD: Language Increment-Calibrated Contrastive Decoding against Hallucination in LVLMs
von: Huang, Xiaoyi, et al.
Veröffentlicht: (2026)

From Head to Tail: Towards Balanced Representation in Large Vision-Language Models through Adaptive Data Calibration
von: Song, Mingyang, et al.
Veröffentlicht: (2025)

VEGA: Learning Interleaved Image-Text Comprehension in Vision-Language Large Models
von: Zhou, Chenyu, et al.
Veröffentlicht: (2024)

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

ACIL: Active Class Incremental Learning for Image Classification
von: Bhattacharya, Aditya R., et al.
Veröffentlicht: (2026)

Prediction Error-based Classification for Class-Incremental Learning
von: Zając, Michał, et al.
Veröffentlicht: (2023)

Training-Free Representation Guidance for Diffusion Models with a Representation Alignment Projector
von: Zu, Wenqiang, et al.
Veröffentlicht: (2026)

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

Hierarchical Vision-Language Learning for Medical Out-of-Distribution Detection
von: Lai, Runhe, et al.
Veröffentlicht: (2025)

Continual Adapter Tuning with Semantic Shift Compensation for Class-Incremental Learning
von: Zhou, Qinhao, et al.
Veröffentlicht: (2024)

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

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

Completely Weakly Supervised Class-Incremental Learning for Semantic Segmentation
von: Kim, David Minkwan, et al.
Veröffentlicht: (2025)

Multi-Site Class-Incremental Learning with Weighted Experts in Echocardiography
von: Bransby, Kit M., et al.
Veröffentlicht: (2024)

MGD-SAM2: Multi-view Guided Detail-enhanced Segment Anything Model 2 for High-Resolution Class-agnostic Segmentation
von: Shen, Haoran, et al.
Veröffentlicht: (2025)

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

A Simple Efficiency Incremental Learning Framework via Vision-Language Model with Nonlinear Multi-Adapters
von: Luo, Haihua, et al.
Veröffentlicht: (2026)

Weakly-Supervised Image Forgery Localization via Vision-Language Collaborative Reasoning Framework
von: Sheng, Ziqi, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Evaluation for Vision-Language Models
von: Kostumov, Vasily, et al.
Veröffentlicht: (2024)

Masked Modeling for Self-supervised Representation Learning on Vision and Beyond
von: Li, Siyuan, et al.
Veröffentlicht: (2023)

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

Towards Calibrated Robust Fine-Tuning of Vision-Language Models
von: Oh, Changdae, et al.
Veröffentlicht: (2023)

PIP: Prototypes-Injected Prompt for Federated Class Incremental Learning
von: Ma'sum, Muhammad Anwar, et al.
Veröffentlicht: (2024)

Offline Semantic Guidance for Efficient Vision-Language-Action Policy Distillation
von: Shi, Jin, et al.
Veröffentlicht: (2026)

Don't Miss the Forest for the Trees: Attentional Vision Calibration for Large Vision Language Models
von: Woo, Sangmin, et al.
Veröffentlicht: (2024)

Object-Level Verbalized Confidence Calibration in Vision-Language Models via Semantic Perturbation
von: Zhao, Yunpu, et al.
Veröffentlicht: (2025)

GTMA: Dynamic Representation Optimization for OOD Vision-Language Models
von: Zhang, Jensen, et al.
Veröffentlicht: (2025)

INTER: Mitigating Hallucination in Large Vision-Language Models by Interaction Guidance Sampling
von: Dong, Xin, et al.
Veröffentlicht: (2025)