English(EN) CL-CLIP: CLIP-Based Continual Learning Framework with Cost-Volume Category Decoupling for Object Detection

新框架CL-CLIP增强目标检测的持续学习能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-05 07:09

研究人员开发了CL-CLIP，一个旨在改进目标检测系统持续学习能力的新框架。该方法利用CLIP的视觉-语言理解能力，帮助检测器随着时间的推移学习新类别，而不会忘记先前获得的知识。通过使用成本体积机制解耦特定类别的特征，CL-CLIP旨在提高对新视觉数据的适应性，同时保持现有类别的性能。 AI

影响提高了AI系统随时间学习新视觉类别而不降低现有类别性能的能力。

排序理由这是一篇详细介绍特定机器学习任务新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Baochang Zhang · 2026-06-05 07:09

CL-CLIP: 基于CLIP的持续学习框架，采用成本体积类别解耦进行目标检测

Continual Object Detection (COD) requires a detector to acquire new categories over time while preserving previously learned ones. This goal is closely related to open-vocabulary detection, since both settings require reasoning over categories that are not fully covered by the an…