通过层次关系从父概念学习，减少遗忘
计算机视觉与模式识别
2026-01-06 v1 机器学习
摘要
自定义扩散模型（CDMs）在生成建模中展现出强大的个人化能力，但在顺序学习新概念时仍面临严重的灾难性遗忘。现有方法主要致力于最小化概念之间的干扰，往往忽视了概念间正向相互作用的潜力。本文提出了一种名为“通过父概念学习减少遗忘”（Forget Less by Learning from Parents, FLLP）的新型框架，引入基于双曲空间的父子概念学习机制以缓解遗忘现象。通过在洛伦兹流形上嵌入概念表示——这种流形天然适合建模树状层次结构——我们定义了父子关系，使已学习的概念能够作为适应新概念的指导。该方法不仅保留先前的知识，还支持新概念的持续集成。在三个公开数据集和一个合成基准上进行的实验表明，FLLP 在鲁棒性和泛化能力方面均实现了持续的改进。
引用
@article{arxiv.2601.01892,
title = {Forget Less by Learning from Parents Through Hierarchical Relationships},
author = {Arjun Ramesh Kaushik and Naresh Kumar Devulapally and Vishnu Suresh Lokhande and Nalini K. Ratha and Venu Govindaraju},
journal= {arXiv preprint arXiv:2601.01892},
year = {2026}
}
备注
Accepted at AAAI-26