Buchumschlag

Overcoming Catastrophic Forgetting in Visual Continual Learning with Reinforcement Fine-Tuning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lou, Meng, Guo, Hanzhong, Chen, Linwei, Yu, Yizhou
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ZeroFlow: Overcoming Catastrophic Forgetting is Easier than You Think
von: Feng, Tao, et al.
Veröffentlicht: (2025)

Scaling Continual Learning to 300+ Tasks with Bi-Level Routing Mixture-of-Experts
von: Lou, Meng, et al.
Veröffentlicht: (2026)

Continual Learning and Catastrophic Forgetting
von: van de Ven, Gido M., et al.
Veröffentlicht: (2024)

Preventing Catastrophic Forgetting through Memory Networks in Continuous Detection
von: Bhatt, Gaurav, et al.
Veröffentlicht: (2024)

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

CGL: Advancing Continual GUI Learning via Reinforcement Fine-Tuning
von: Yao, Zhenquan, et al.
Veröffentlicht: (2026)

EXACFS -- A CIL Method to mitigate Catastrophic Forgetting
von: Balasubramanian, S, et al.
Veröffentlicht: (2024)

Gradient Correlation Subspace Learning against Catastrophic Forgetting
von: Dubnov, Tammuz, et al.
Veröffentlicht: (2024)

Alleviating Catastrophic Forgetting in Facial Expression Recognition with Emotion-Centered Models
von: Laurensi, Israel A., et al.
Veröffentlicht: (2024)

Decomposing Subject-Driven Image Generation via Intermediate Structural Prediction
von: Guo, Hanzhong, et al.
Veröffentlicht: (2026)

Incremental Concept Formation over Visual Images Without Catastrophic Forgetting
von: Barari, Nicki, et al.
Veröffentlicht: (2024)

Diffusion Tuning: Transferring Diffusion Models via Chain of Forgetting
von: Zhong, Jincheng, et al.
Veröffentlicht: (2024)

Guiding Distribution Matching Distillation with Gradient-Based Reinforcement Learning
von: Dong, Linwei, et al.
Veröffentlicht: (2026)

Adapt, But Don't Forget: Fine-Tuning and Contrastive Routing for Lane Detection under Distribution Shift
von: Khan, Mohammed Abdul Hafeez, et al.
Veröffentlicht: (2025)

Learning Semantic Proxies from Visual Prompts for Parameter-Efficient Fine-Tuning in Deep Metric Learning
von: Ren, Li, et al.
Veröffentlicht: (2024)

Overcoming the Stability Gap in Continual Learning
von: Harun, Md Yousuf, et al.
Veröffentlicht: (2023)

SMoLoRA: Exploring and Defying Dual Catastrophic Forgetting in Continual Visual Instruction Tuning
von: Wang, Ziqi, et al.
Veröffentlicht: (2024)

Catastrophic Forgetting Mitigation via Discrepancy-Weighted Experience Replay
von: Xu, Xinrun, et al.
Veröffentlicht: (2025)

Contrastive Learning to Fine-Tune Feature Extraction Models for the Visual Cortex
von: Mulrooney, Alex, et al.
Veröffentlicht: (2024)

Visual Imitation Learning with Calibrated Contrastive Representation
von: Wang, Yunke, et al.
Veröffentlicht: (2024)

Overcoming Catastrophic Forgetting in Federated Class-Incremental Learning via Federated Global Twin Generator
von: Nguyen, Thinh, et al.
Veröffentlicht: (2024)

ConceptGuard: Continual Personalized Text-to-Image Generation with Forgetting and Confusion Mitigation
von: Guo, Zirun, et al.
Veröffentlicht: (2025)

More Than Memory Savings: Zeroth-Order Optimization Mitigates Forgetting in Continual Learning
von: Yu, Wanhao, et al.
Veröffentlicht: (2025)

Continual Learning of Achieving Forgetting-free and Positive Knowledge Transfer
von: Wang, Zhi, et al.
Veröffentlicht: (2026)

Continual Learning for VLMs: A Survey and Taxonomy Beyond Forgetting
von: Liu, Yuyang, et al.
Veröffentlicht: (2025)

Knowledge Accumulation in Continually Learned Representations and the Issue of Feature Forgetting
von: Hess, Timm, et al.
Veröffentlicht: (2023)

Continual Visual Reinforcement Learning with A Life-Long World Model
von: Pan, Minting, et al.
Veröffentlicht: (2023)

Fine Tuning without Catastrophic Forgetting via Selective Low Rank Adaptation
von: Bafghi, Reza Akbarian, et al.
Veröffentlicht: (2025)

GRPO-RM: Fine-Tuning Representation Models via GRPO-Driven Reinforcement Learning
von: Xu, Yanchen, et al.
Veröffentlicht: (2025)

LIFT+: Lightweight Fine-Tuning for Long-Tail Learning
von: Shi, Jiang-Xin, et al.
Veröffentlicht: (2025)

Contrast-Aware Calibration for Fine-Tuned CLIP: Leveraging Image-Text Alignment
von: Lv, Song-Lin, et al.
Veröffentlicht: (2025)

Slowing Down Forgetting in Continual Learning
von: Janetzky, Pascal, et al.
Veröffentlicht: (2024)

AutoFT: Learning an Objective for Robust Fine-Tuning
von: Choi, Caroline, et al.
Veröffentlicht: (2024)

Mitigating Catastrophic Forgetting and Mode Collapse in Text-to-Image Diffusion via Latent Replay
von: Otani, Aoi
Veröffentlicht: (2025)

Forget Less, Retain More: A Lightweight Regularizer for Rehearsal-Based Continual Learning
von: Alssum, Lama, et al.
Veröffentlicht: (2025)

How Weight Resampling and Optimizers Shape the Dynamics of Continual Learning and Forgetting in Neural Networks
von: Frati, Lapo, et al.
Veröffentlicht: (2025)

Continual Learning: Less Forgetting, More OOD Generalization via Adaptive Contrastive Replay
von: Rezaei, Hossein, et al.
Veröffentlicht: (2024)

Exploring Parameter-Efficient Fine-Tuning to Enable Foundation Models in Federated Learning
von: Sun, Guangyu, et al.
Veröffentlicht: (2022)

Practical Continual Forgetting for Pre-trained Vision Models
von: Zhao, Hongbo, et al.
Veröffentlicht: (2025)

Long-Tail Learning with Foundation Model: Heavy Fine-Tuning Hurts
von: Shi, Jiang-Xin, et al.
Veröffentlicht: (2023)