Geometry-Anchored Transport Framework for Exemplar-Free Class-Incremental Learning
예시 무 클래스 증분 학습(EFCIL)에서 클래스 조건부 가우시안 통계가 이방성 표현 표류(anisotropic representation drift)에 취약한 문제를, 특징 수송을 별도 사후 단계가 아닌 학습 내 기하 제약으로 통합하는 Geometry-Anchored Transport Framework로 해결한다. Mahalanobis 정렬 Analytic Geometric Anchor(AGA)와 Topology-Aware Evolution으로 레거시 매니폴드 열화를 억제하며, CIFAR-100·TinyImageNet·ImageNet-100 실험에서 분리형 사후 적응 방식보다 성능이 향상된다.