精选理由
这篇论文提出CIRCLE方法：用固定储层特征做持续学习，无需回放，在长任务序列上比现有方法更快更准确。
CIRCLE是一种基于固定双向二维储层特征（BiRC2D）的类增量分类器，使用流式线性判别分析（SLDA）头。它不需要回放、外部预训练或大初始任务。在CIFAR-100、TinyImageNet、ImageNet-Subset和ImageNet-1k数据集上，CIRCLE在10-20任务分割中表现有竞争力，在50、100和500任务分割中大幅超越现有强基线。同时训练速度远快于有回放的方法。消融实验表明，BiRC2D特征提取器、SLDA头和平衡特征/预测集成各自贡献了性能。
AI 翻译 · 中文
CIRCLE是一种基于固定双向二维储层特征（BiRC2D）的类增量分类器，使用流式线性判别分析（SLDA）头。它不需要回放、外部预训练或大初始任务。在CIFAR-100、TinyImageNet、ImageNet-Subset和ImageNet-1k数据集上，CIRCLE在10-20任务分割中表现有竞争力，在50、100和500任务分割中大幅超越现有强基线。同时训练速度远快于有回放的方法。消融实验表明，BiRC2D特征提取器、SLDA头和平衡特征/预测集成各自贡献了性能。
Cold-start exemplar-free class-incremental learning requires learning a growing set of classes without replay, external pretraining, or a large initial task. Existing cold-start methods typically either train the backbon…