当感知随情境变化时：基于情境转换的触觉少样本类别增量学习
人工智能
2026-03-27 v1
摘要
少样本类别增量学习（FSCIL）在仅有少量标记样本的情况下尤其容易受获取情境的影响。典型场景是触觉感知，其中获取情境（如多样化设备、接触状态和交互环境）由于缺乏标准化而会降低性能。本文提出情境-转换 FSCIL（CaT-FSCIL）以解决上述问题。我们将获取情境分解为结构化低维组件和高维残差组件。前者容易受触觉交互特征影响，这些特征可建模为约为可逆的情境-转换族，并通过伪情境一致性损失进行逆变标准化。后者主要源于平台和设备差异，可通过不确定性条件原型校准（UCPC）进行缓解，该方法根据情境不确定性校准偏斜的原型和决策边界。对标准基准 HapTex 和 LMT108 进行的全面实验已显示所提 CaT-FSCIL 的优越性。
引用
@article{arxiv.2603.25115,
title = {When Sensing Varies with Contexts: Context-as-Transform for Tactile Few-Shot Class-Incremental Learning},
author = {Yifeng Lin and Aiping Huang and Wenxi Liu and Si Wu and Tiesong Zhao and Zheng-Jun Zha},
journal= {arXiv preprint arXiv:2603.25115},
year = {2026}
}
备注
11 pages, 6 figures