ReFu：用于无例程3D类递增学习的递归融合
计算机视觉与模式识别
2025-03-04 v2
摘要
我们提出一种新型递归融合模型，称为ReFu，旨在集成点云和网格，用于无例程的3D类递增学习，其中模型在学习新3D类的同时保留先前学习知识。与现有方法不同，ReFu无需存储历史数据即可减缓遗忘，同时利用点云和网格两种数据模态的互补优势。为实现此目标，我们引入一种递归方法，通过更新正则化自相关矩阵来持续积累知识。此外，我们提出一种融合模块，包含点云引导的网格注意力层，学习两种模态之间的相关性。该机制有效集成了点云和网格特征，导致更稳健和稳定的持续学习。实验表明，在各种数据集上，我们提出的框架在3D类递增学习方面优于现有方法。
引用
@article{arxiv.2409.12326,
title = {ReFu: Recursive Fusion for Exemplar-Free 3D Class-Incremental Learning},
author = {Yi Yang and Lei Zhong and Huiping Zhuang},
journal= {arXiv preprint arXiv:2409.12326},
year = {2025}
}
备注
Accepted at WACV 2025