范例浓缩的联邦增量学习

本文提出了一种范例浓缩的联邦增量学习方法（ECoral），旨在通过从流数据中提炼真实图像的训练特性，生成信息丰富的复习样本。这一方法克服了基于重放的方法在处理联邦持续学习中的灾难性遗忘时的样本选择局限，显著提升了学习效果，并且能够与多种现有方法无缝集成以增强性能。