CDDB-Hard

新方法在域增量学习中保留表示

研究人员开发了一种新颖的域增量学习（DIL）方法，该方法解决了在适应新域时先前学习域的性能下降问题。该方法通过测量表示漂移来跟踪单个域类概念，表示漂移表明遗忘的风险。系统利用此漂移信号更有效地分配保留工作，并减少高度漂移的域对类引用的影响。该方法在DomainNet和Office-Home等基准测试中得到验证，在显著减少训练内存和存储的同时，展现了强大的准确性-遗忘平衡。