该研究提出了一种类独立转换（CIT）方法，旨在解决类增量语义分割中学习新类别时避免遗忘旧类别的问题。实验结果表明，任务遗忘率在不同数据集上非常低。

本研究提出了一种新方法AdaptGCD，旨在解决半监督学习在新类别处理中的局限性。通过多专家适配器结构，显著提升了广义类别发现任务的性能。