Semantic Shift Estimation via Dual-Projection and Classifier Reconstruction for Exemplar-Free Class-Incremental Learning
Created by
Haebom
Category
Empty
저자
Run He, Di Fang, Yicheng Xu, Yawen Cui, Ming Li, Cen Chen, Ziqian Zeng, Huiping Zhuang
개요
본 논문은 예제 없는 클래스 증분 학습(EFCIL)에서 기존 방법들이 겪는 의미론적 이동과 결정 편향 문제를 해결하기 위해 Dual-Projection Shift Estimation and Classifier Reconstruction (DPCR) 방법을 제안합니다. DPCR은 학습 가능한 변환과 행 공간 투영을 결합한 이중 투영을 통해 의미론적 이동을 효과적으로 추정하고, 릿지 회귀를 이용하여 분류기 훈련을 재구성 과정으로 재구성하여 결정 편향을 완화합니다. 이를 통해 기존 지식과 새로운 지식 간의 균형을 효과적으로 유지하며 다양한 데이터셋에서 기존 최첨단 EFCIL 방법들을 능가하는 성능을 보입니다.
시사점, 한계점
•
시사점:
◦
EFCIL에서 발생하는 의미론적 이동과 결정 편향 문제에 대한 효과적인 해결책 제시.
◦
이중 투영을 통한 의미론적 이동 추정 및 릿지 회귀를 통한 분류기 재구성으로 기존 지식과 새로운 지식 간의 균형 향상.
