arXiv 人工智能· Kyle Stein, Andrew Arash Mahyari, Guillermo Francia III, Eman El-Sheikh, Jiangpeng He·· 4 小时前AI 评分34
LSA-PAST：面向组合增量学习的分层自适应与原型迁移方法
LSA-PAST: Layer-Specific Adaptation and Prototype Transport for Compositional Incremental Learning
AI 导读
研究人员提出了面向组合增量学习（composition-IL）的参数高效方法 LSA-PAST。该方法通过 LSA 将 LoRA 整合至冻结的 ViT 中，针对状态、物体和组合引入分层特化适配器，并通过 PAST 利用当前任务数据拟合无重演仿射变换，将锚定旧原型映射到当前适配器空间。实验表明，该方法在组合增量学习中取得了 SOTA 的准确率与遗忘权衡表现。
来源：arXiv 人工智能 · arxiv.org