dual coalescent projection

新的CVLC方法利用LLM生成的原型来解决少样本域增量学习问题

研究人员推出了一种名为持续视觉语言整合（CVLC）的新方法，以应对少样本域增量学习（FSDIL）的挑战。该方法通过保留基础域的潜在空间并采用双聚结投影（DCP）进行参数高效微调来解决极端数据短缺问题。CVLC整合了利用LLM辅助生成的视觉和语言原型，以适应新领域，同时保留通用知识和领域特定细节。实验表明，CVLC的性能比现有方法高出16%。