ECA：面向开放域图像到文本生成的高效持续对齐

本文针对开放域图像到文本生成中的增量学习问题，提出了一种新的持续对齐概念，旨在动态适应视觉数据分布的变化。作者提出了高效持续对齐（ECA）方法，这是一种无需 exemplar 的增量学习方案。ECA 通过混合查询模块适配特定任务特征，利用基于 Fisher 信息矩阵的动态扩展机制调整模型结构，并结合字典回放技术保留过往知识，从而在无原始数据访问的情况下有效缓解灾难性遗忘，显著提升了模型在真实场景下的持续学习能力。