DualPrompt

新框架连接长尾识别与持续学习

研究人员在长尾识别（LTR）和持续学习（CL）之间建立了理论和经验联系。他们证明了在不平衡数据集上训练会驱动模型参数趋向主导类解决方案。这种联系促成了一个名为“长尾识别持续学习”（CLTR）的框架的开发，该框架使用标准的CL方法顺序学习类别，同时防止灾难性遗忘。在各种基准测试上的实验表明，CLTR的有效性，即使在应用于具有DualPrompt的CLIP骨干网络时，也优于专用方法。