本文介绍了一种无监督类增量学习方法，用于在无标签集上发现新类别。该方法通过微调特征提取器和代理锚点，在无标签数据集上进行样本划分和聚类，并生成代表性类别向量以减轻灾难性遗忘。实验证明，该方法在细粒度数据集上优于现有技术手段。

本文提出了一种无监督类增量学习方法，用于在无标签集上发现新类别。该方法通过微调特征提取器和代理锚点，在有标签数据集上进行训练，然后在无标签数据集上进行样本划分和聚类，以发现旧类别和新类别。同时，利用基于代理锚点的示例生成代表性类别向量以减轻灾难性遗忘。实验证明，该方法在真实场景下的细粒度数据集上优于现有技术手段。