BriefGPT - AI 论文速递
·
面向未来的班级增量学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
通过使用预训练的文本到图像扩散模型生成未来类别的合成图像并使用它们训练特征提取器，我们提出的方法改进了无典范类增量学习的最新方法，特别是在只包含少量类别的最困难的情况下。此外，我们还表明使用未来类别的合成样本比使用不同类别的真实数据能够实现更高的性能，为增量学习的更好和更低成本的预训练方法铺平了道路。
🎯
关键要点
- 使用预训练的文本到图像扩散模型生成未来类别的合成图像。
- 通过合成图像训练特征提取器，改进无典范类增量学习的方法。
- 在仅包含少量类别的情况下，提出的方法表现出色。
- 合成样本的性能优于不同类别的真实数据。
- 为增量学习提供更好和更低成本的预训练方法。
➡️
