掩盖式自编码器是高效的类增量学习器
原文中文，约2500字，阅读约需6分钟。发表于：。我们提出了使用 Masked Autoencoders (MAEs) 作为高效的学习器来解决 Class Incremental Learning (CIL) 的问题，并通过基于图像级和嵌入级融合的双边 MAE 框架获得更好质量的重建图像和更稳定的表示。实验证实了我们的方法在 CIFAR-100、ImageNet-Subset 和 ImageNet-Full 上优于现有技术。
我们提出了使用Masked Autoencoders (MAEs)解决Class Incremental Learning (CIL)问题，通过双边MAE框架融合图像级和嵌入级，获得更好质量的重建图像和更稳定的表示。实验证实了我们的方法在CIFAR-100、ImageNet-Subset和ImageNet-Full上优于现有技术。
