本研究提出了一种基于变换器的统一框架，用于增量少样本目标检测和实例分割。该方法通过扩展Mask-DINO，降低新类别的过拟合并减少基础类别的遗忘。实验结果表明，该方法在COCO和LVIS数据集上的性能优于现有方法。
完成下面两步后，将自动完成登录并继续当前操作。
