Краткое содержание

arXiv:2511.14401v1 Тип объявления: новое Аннотация: Ключевая проблема в области обучения с доменно-инкрементальным подходом (Domain Incremental Learning — DIL) заключается в непрерывном обучении при изменяющихся распределениях данных, сохраняя знания из предыдущих доменов. Существующие методы сталкиваются с фундаментальной дилеммой. С одной стороны, проецирование всех доменов в единое визуальное пространство приводит к междоменным помехам и семантическим искажениям, так как значительные сдвиги могут варьироваться не только по внешнему виду, но и по лежащей в основе семантике. С другой стороны, изоляция доменно-специфичных параметров вызывает фрагментацию знаний, создавая «острова знаний», что препятствует повторному использованию знаний и усугубляет проблему забывания. Для решения этой проблемы мы предлагаем метод LAVA (Language-Anchored Visual Alignment) — новую архитектуру для DIL, которая заменяет прямое выравнивание признаков на относительное выравнивание, управляемое текстовым якорем. LAVA направляет визуальные представления каждого входящего домена таким образом, чтобы сохранить согласованную относительную геометрию, определяемую путем зеркального отражения попарных семантиче