跳到主要内容
检索

# TAP框架

1 篇关联报道

订阅更新
  1. arXiv

    冻结CLIP也能持续学新类:TAP在九个数据集上把末阶段准确率推到83.05%

    类增量学习通常靠提示学习或适配器不断改动预训练表示,代价是优化开销和旧类特征结构被扰动。TAP把CLIP的图像与文本编码器都冻结,只在冻结嵌入空间里累积每类的均值与类内散布,并用当前任务图像学习各类的文本模板权重。在九个数据集、两种增量协议下,TAP取得所比较方法中最高的平均增量准确率与末阶段准确率,ImageNet-R的B0/Inc20设置下末阶段准确率为83.05%。

已读完全部报道