恭喜实验室汪建洲同学论文被IJCAI2025(CCF-A)录用

Diffuse&Refine: Intrinsic Knowledge Generation and Aggregation for Incremental Object Detection IJCAI2025 （CCF-A，人工智能领域顶会）

增量目标检测（IOD）旨在逐步提升目标检测器识别新类别的能力。然而，新旧类别间的表征混淆会导致灾难性遗忘问题。为缓解此问题，我们提出DiffKA方法，通过前向扩散与反向扩散生成并聚合内在知识，逐步构建刚性类别边界。具体而言，前向扩散通过信息传播在层级树结构（称为内在关联树ICT）中生成潜在的类间关联；随后，反向扩散聚合并精炼树节点的语义特征，在语义空间中显式建立刚性类别边界。为保持语义一致性，我们通过范式重组知识的语义关联性，实现内在关联树的自适应动态更新。在MS COCO数据集上的实验表明，DiffKA在增量目标检测任务中取得了最先进的性能，展现出显著优势。