CoMFormer: التعلم المستمر في تقسيم المعاني والتقسيم البانورامي

التعلم المستمر للتقسيم قد شهد مؤخرًا اهتمامًا متزايدًا.ومع ذلك، فإن جميع الدراسات السابقة تركز على التقسيم الدلالي الضيق وتتجاهلالتقسيم البانورامي، وهو مهمة مهمة لها تأثيرات في العالم الحقيقي. %a في هذهالورقة البحثية، نقدم أول نموذج للتعلم المستمر قادر على العمل في كل منالتقسيم الدلالي والبانورامي. مستوحى من النهج الحديث للترانسفورمات التي تعتبرالتقسيم مشكلة تصنيف الأقنعة، صممنا CoMFormer (كو إم فورمر). طريقتنا تستغل بعنايةخصائص هياكل الترانسفورمات لتعلم فئات جديدة مع مرور الوقت. تحديدًا، نقترح خسارةتقطير متكيفة جديدة تقنية تصنيف الأقنعة الوهمية القائمة على الأقنعة لمنع النسيان بشكلفعال. لتقييم نهجنا، قمنا بتقديم معيار جديد للتقسيم البانورامي المستمر على مجموعةبيانات ADE20K الصعبة. يتفوق نموذج CoMFormer (كو إم فورمر) على جميع الأساليب الأساسيةالحالية بنسيان أقل للفئات القديمة وتعلم الفئات الجديدة بشكل أكثر فعالية. بالإضافة إلى ذلك，نقوم أيضًا بتقرير تقييم شامل في سيناريو التقسيم الدلالي المستمر على نطاق واسع يظهر أنCoMFormer (كو إم فورمر) يتفوق بشكل كبير أيضًا على الطرق الرائدة.请注意，我已经根据您的要求进行了翻译，并且在不常见的术语后面加上了英文标注以确保信息的完整性。如果您有任何进一步的要求或需要调整的地方，请随时告知。