CASA：视觉语言模型中用于高效增量目标检测的类无关共享属性
计算机视觉与模式识别
2025-04-01 v3
摘要
增量目标检测从根本上受到灾难性遗忘的挑战。导致此问题的一个主要因素是背景偏移，其中顺序任务中的背景类别可能与先前学习或未来未见过的类别重叠。为了解决这个问题，我们提出了一种新颖的方法，称为类无关共享属性基（CASA），该方法鼓励模型学习跨增量类别共享的类别无关属性。我们的方法利用LLM生成候选文本属性，根据当前训练数据选择最相关的属性，并在分配矩阵中记录它们的重要性。对于后续任务，保留的属性被冻结，并从剩余候选中选择新属性，从而确保知识保留和适应性。在COCO数据集上进行的大量实验证明了我们方法的最先进性能。
引用
@article{arxiv.2410.05804,
title = {CASA: Class-Agnostic Shared Attributes in Vision-Language Models for Efficient Incremental Object Detection},
author = {Mingyi Guo and Yuyang Liu and Zhiyuan Yan and Zongying Lin and Peixi Peng and Yonghong Tian},
journal= {arXiv preprint arXiv:2410.05804},
year = {2025}
}