不再保留旧图像也能连续学新域:Lamarck让每个专家继承前一个,CDDB-Hard上领先5.2点
在无回放的域增量学习中,测试图像不带域标签,需要路由器为每张图挑一个按域训练的专家。Lamarck沿用免训练的Mahalanobis路由器,把力气花在专家上:每个深层ViT块之后用适配器修正全部图像token,并让每个专家连同适配器从上一个专家初始化。在CDDB-Hard上,适配器比只有提示的专家高4.36个ACC点,整体比十二个冻结骨干基线中最好的高5.18点,三个基准的平均ACC最高。
在无回放的域增量学习中,测试图像不带域标签,需要路由器为每张图挑一个按域训练的专家。Lamarck沿用免训练的Mahalanobis路由器,把力气花在专家上:每个深层ViT块之后用适配器修正全部图像token,并让每个专家连同适配器从上一个专家初始化。在CDDB-Hard上,适配器比只有提示的专家高4.36个ACC点,整体比十二个冻结骨干基线中最好的高5.18点,三个基准的平均ACC最高。
时间序列基础模型在工况反复变化时,整体微调会改动所有工况共享的参数,旧工况随之退化。PACT把冻结的源嵌入空间划成若干局部区域,每个新工况只在受影响区域学一份轻量残差修正,并保留一条恒等通路,由学习到的门控在推理时软性选择。在四工况轴承故障流上,每个新工况只用5%标注校准数据、推理时不提供工况身份,平均宏F1保持在0.95以上。
已读完全部报道