arXiv cs.CV· Junhui Yin, Yuchen Yang, Yilin Yin, Shuai Na, Haoran Xi, Jianhua Yang, Muyi Sun, Man Zhang, Shengfeng He·· 4 小时前AI 评分31
学习策展生成样本：面向可泛化小样本类增量学习（G-FSCIL）
Learning to Curate What You Generate for Generalizable Few-Shot Class-Incremental Learning
AI 导读
研究提出面向可泛化小样本类增量学习（G-FSCIL）的框架，用冻结的潜在扩散模型构建类特定合成候选池，并学习筛选兼顾语义一致与视觉多样的样本。该筛选被蒸馏为可迁移的选择策略，在 base session 后直接复用，配合合成信息驱动的原型初始化与双向边界校准缓解新旧类冲突。实验显示其持续优于现有 FSCIL 基线、遗忘更少，论文被 ACM MM 2026 接收，代码已公开。
来源：arXiv cs.CV · arxiv.org