APRIL：无需样本回放的呼吸音增量学习框架
热点事件持续更新
APRIL：无需样本回放的呼吸音增量学习框架
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Xinhong Li、Weiping Tu 提交预印本论文，提出 APRIL——一种无需样本回放的呼吸音分类域增量学习框架。它基于冻结的 BEATs 骨干网络，按顺序继承并隔离低秩专家，再由多级原型路由器检索 top-2 候选专家，并按匹配歧义动态加权选出最终模型。 作者在 ICBHI 和 SPRSound 上构建设备与时间增量基准，五个随机种子下最终会话平均 Score 分别为 64.4%/65.4% 和 83.1%/82.2%，所有协议平均遗忘均低于 1.0%。这些数字为论文自报结果。
AI 根据报道生成 · 55 分钟前更新
最新进展10月21日 12:00
APRIL：面向呼吸音域增量学习的歧义感知专家路由框架报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.AIAPRIL：面向呼吸音域增量学习的歧义感知专家路由框架
APRIL 是一个无需样本回放的呼吸音分类域增量学习框架，基于冻结的 BEATs 骨干网络顺序继承并隔离低秩专家，通过多级原型路由器检索 top-2 候选专家并按匹配歧义动态加权选择最终模型。在 ICBHI 和 SPRSound 上构建设备与时间增量基准，五个随机种子下最终会话平均 Score 分别达 64.4%/65.4% 和 83.1%/82.2%，所有协议平均遗忘均低于 1.0%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。