热点事件持续更新
G-FSCIL：学习策展生成样本的小样本类增量学习
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月7日，arXiv cs.CV 报道一项面向可泛化小样本类增量学习（G-FSCIL）的研究。该工作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，再将这一筛选能力蒸馏为可迁移的选择策略，在 base session 之后直接复用；同时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。实验显示该方法持续优于现有 FSCIL 基线且遗忘更少。论文已被 ACM MM 2026 接收，代码已公开。目前仅见这一篇报道，无其他进展更新。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
G-FSCIL 论文被 ACM MM 2026 接收，代码已公开，实验称持续优于现有基线。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.CV学习策展生成样本：面向可泛化小样本类增量学习（G-FSCIL）
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。