2021年6月25日，IEEE CVPR2021 Workshop on Continual Learning (CLVision)开启了第二届持续学习专题研讨会（网址：https://sites.google.com/view/clvision2021/overview），旨在探讨计算机视觉领域中持续学习、增量学习等相关方向的最新进展、当前局限以及未来发展趋势。该研讨会共收到了46篇投稿，来自MIT、帝国理工、DeepMind等本领域多家主流研究机构，内容涵盖持续学习的相关任务、方法、代码框架等。实验室何晨同学作为第一作者的论文脱颖而出，获得了会议唯一的最佳论文奖项(Best Paper Award)。
文章信息：
Chen He, Ruiping Wang, Xilin Chen, “A Tale of Two CILs: The Connections Between Class Incremental Learning and Class Imbalanced Learning, and Beyond,” IEEE CVPR 2021 Workshop on Continual Learning in Computer Vision (CLVision), pp. 3559–3569, June 19-25, 2021.
本文系统地分析了“类别增量学习”与“类别不均衡学习”两个研究方向之间的关系。具体而言，最新的类别增量学习算法基本都可以在类别不均衡学习领域中找到对应的思想；通过引入类别不均衡学习中简单有效的post-scaling技术，其性能与SOTA方法可比甚至超过SOTA；通过可视化分析，发现post-scaling和另一个表现优异的类别增量学习方法的实质是平移和旋转决策边界，以缓解分类器有偏的情况。通过上述理论分析与实验验证，引出了类别增量学习退化成不均衡分类的问题，反思了当下类别增量学习方向的进展，并给出了作者关于未来研究走向的一些观点。
何晨同学代表论文作者参加了本次专题研讨会，并向在线参会的100多名研究人员作了10分钟的口头报告介绍论文内容。
图1. Best Paper Award获奖证书
图2. 何晨同学参加CLVision Workshop并做在线现场报告
附件下载：