IEEE TPAMI 2025 | 北京大学提出LSTKC++，长短期知识解耦与巩固驱动的终身行人重...

主要观点总结

本文介绍了北京大学博士二年级学生徐昆仑和通讯作者周嘉欢团队在人工智能重要国际期刊IEEE TPAMI上发表的最新研究成果——LSTKC++框架。该框架引入了长短期知识解耦与动态纠正及融合机制，有效保障了模型在终身学习过程中对新知识和历史知识的记忆。文章详细描述了LSTKC++的基础框架、升级框架、实验分析等方面的内容，并探讨了其技术创新、应用价值和未来展望。

关键观点总结

关键观点1: 研究成果概述

北京大学王选计算机研究所周嘉欢团队在人工智能领域发布了最新的研究成果：LSTKC++框架。该框架在长短期知识解耦、动态纠正及融合方面取得了突破，对终身学习的模型在新知识和历史知识记忆方面有了显著提升。

关键观点2: 主要技术特点

LSTKC++框架具备以下技术特点：长短期知识解耦，动态纠正知识迁移中的错误，融合长短期知识，针对新知识学习和历史知识保留之间的平衡进行优化。

关键观点3: 实验分析

论文实验采用两个典型的训练域顺序和五个广泛使用的行人重识别数据集作为训练域，评估了模型在已知域和未知域的性能。综合性能分析显示，LSTKC++在两种域顺序设定下的性能有所提升。子域性能分析表明，其在中间三个域的性能显著优于现有方法。此外，还分析了计算与存储开销，显示出该方法的效率优势。

关键观点4: 应用价值和未来展望

LSTKC++的终身学习机制具有良好的实用性和推广潜力，特别适用于动态开放环境的识别系统、满足隐私保护需求的应用场景以及资源受限设备上的高效学习。未来可研究将该方法扩展到预训练视觉大模型、多模态感知下的持续学习机制以及通用类别的域增量识别任务。