本文共 372 字，大约阅读时间需要 1 分钟。

论文信息

题目：Task-Adaptive Saliency Guidance for Exemplar-free Class Incremental Learning

任务自适应显著性引导的无样本类增量学习

作者：Xialei Liu, Jiang-Tian Zhai, Andrew D. Bagdanov, Ke Li, Ming-Ming Cheng

源码：https://github.com/scok30/tass

论文创新点

本研究提出了一种名为**任务自适应显著性监督（TASS）**的新框架，旨在解决无样本类增量学习（EFCIL）中的显著性漂移问题。为了应对这一挑战，我们创新性地提出了一种边界引导的中级显著性漂移正则化方法。这一方法通过动态调整显著性模型的边界条件，有效抑制了不良的显著性漂移现象，同时保持了模型的泛化能力。

转载地址：http://strfk.baihongyu.com/