论文信息
题目：Language-Inspired Relation Transfer for Few-Shot Class-Incremental Learning
语言启发的少样本类增量学习关系迁移
作者：Yifan Zhao, Jia Li, Zeyin Song, Yonghong Tian
论文创新点
- 语言启发的关系迁移: 提出了一种新的语言启发的关系迁移（LRT）范式，通过图关系转换模块将预训练的文本知识迁移到视觉领域，并结合文本-视觉原型融合模块进行特征表示。
- 上下文提示学习: 引入了上下文提示学习策略，用于在少样本情况下快速对齐文本和视觉领域，缓解领域差距。
- 想象对比学习: 提出了想象对比学习策略，通过混合图像和文本标签生成虚拟类，缓解多模态对齐中文本数据不足的问题。
摘要
通过观察少量样本来描述新类别是人类学习系统的固有能力