arxiv：2501.11140v1 [CS.CV] 2025年1月19日__

arxiv：2501.11140v1 [CS.CV] 2025年1月19日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arxiv：2501.11140v1 [CS.CV] 2025年1月19日

¥ 1.0

热度

摘要。能够创建现实培养基的生成AI模型的快速发展导致需要分类器，这些分类器可以从事真正的和人工生成的图像。当这些分类器遇到来自训练数据中未表示的生成模型的图像时，出现了一个重大的挑战，通常导致性能下降。一种典型的方法是通过新生成模型的图像定期更新分类器的培训数据，然后在更新的数据集中重新训练分类器。但是，在某些现实情况下，存储，计算或隐私约束使这种方法变得不切实际。此外，可能需要在安全应用程序中使用的模型快速适应。在这种情况下，持续的学习提供了有希望的变更本地，因为可以在不在临时数据集中进行重新训练而更新分类器。在本文中，我们介绍了一个名为Clofai的新数据集（在假和真实的图像上持续学习），该数据集采用了域内信息图像分类问题的形式。此外，我们展示了该数据集作为评估持续学习方法的基准的适用性。在这样做时，我们使用三种基础持续学习方法（EWC，GEM和经验重播）在新颖的数据集上设置了一个基线，并发现EWC的性能差，而GEM和经验重播表现出了前景，表现出色，表现出色。可以从以下github存储库访问运行实验的数据集和代码：https：//github.com/will-doherty/clofai。

添加pdf代下载 VIP点击下载文件