本文探讨了内存受限的在线持续学习（MC-OCL）问题，提出了一种基于正则化的批量蒸馏方法（BLD），在多个基准测试中表现优异。研究表明，通过简单的组件和损失函数组合，可以有效缓解经典遗忘现象，并在CIFAR-100和ImageNet上取得领先成果。此外，提出的新型知识传输技术和重放策略显著提升了类增量学习的性能。

该研究通过训练基于多视角鸟瞰图的学生检测器来模仿经过训练的基于 LiDAR 的教师检测器的特征，提高多视角 BEV 的表示学习，并通过平衡策略和多尺度层的时间融合实现知识传输。实验证明该方法在多个多视角 BEV 模型上显著改善了学生模型，达到了流行基准 nuScenes 的最新性能。