arXiv ID:
2607.01630
arXiv 提交日期: 2026-07-02
解耦表示动态网络:用于从头训练ViT的类别增量学习 / DRDN: Decoupled Representation Dynamic Network for From-Scratch ViT Class-Incremental Learning
1️⃣ 一句话总结
该论文提出了一种名为DRDN的方法,通过两阶段解耦策略——使用掩码图像建模来保持骨干网络的通用视觉特征,并采用层级任务令牌扩展减少新旧任务间的冲突,显著提升了视觉Transformer在不依赖外部预训练情况下进行类别增量学习的性能。