Semantic Shift Estimation via Dual-Projection and Classifier Reconstruction for Exemplar-Free Class-Incremental Learning
Created by
Haebom
저자
Run He, Di Fang, Yicheng Xu, Yawen Cui, Ming Li, Cen Chen, Ziqian Zeng, Huiping Zhuang
개요
본 논문은 예시 데이터 없이 클래스 증분 학습(EFCIL)을 수행하는 새로운 방법인 DPCR(Dual-Projection Shift Estimation and Classifier Reconstruction)을 제안합니다. 기존 EFCIL 방법들이 지식 증류를 활용하지만, 의미 변화(semantic shift)와 결정 편향(decision bias) 문제를 해결하지 못하는 한계를 가지는 반면, DPCR은 이러한 문제를 해결하기 위해 이중 투영을 이용한 의미 변화 추정과 능선 회귀를 이용한 분류기 재구성 과정을 제시합니다. 이중 투영은 학습 가능한 변환과 행 공간 투영을 결합하여 작업별 및 범주별 변화를 모두 포착하고, 분류기 재구성은 이전 공분산과 각 클래스의 프로토타입을 활용하여 결정 편향을 줄입니다. 다양한 데이터셋에서의 실험 결과, DPCR은 기존 EFCIL 방법들보다 성능이 우수함을 보여줍니다.
시사점, 한계점
•
시사점:
◦
EFCIL에서 발생하는 의미 변화와 결정 편향 문제를 효과적으로 해결하는 새로운 방법인 DPCR을 제시.
