时空因果自适应学习框架

精度平均提升4.2%

从因果视角解决视频类增量学习中时空信息之间的冲突，实现新旧类别的平衡。

Tieyuan, Chen · Liu, Huabin · Lim, Chern Hong · See, John · 高性 · 侯军辉 · 林巍峣

IEEE Transactions on Circuits and Systems for Video Technology 2025

参数信息

平均精度提升

4.2 %

技术优势

不用存旧样本

通过分离的时空适配器和因果蒸馏模块学习新类别，无需保留旧类别样本即可维持性能。

精度超现有方法

在多个基准数据集上平均准确率比基于样本的方法高4.2%，达到新的最优结果。

应用场景

• 视频理解：让视频分析系统持续学习新动作类别而无需存储历史视频。
• 终身学习：为终身学习场景提供免样本的时空增量学习方案。