用于发展式学习框架中持续、可理解视觉识别的多尺度结构特征

论文提出一种面向二维形状识别的多尺度视觉特征，将边缘、轮廓及其空间关系编码进无梯度的发展式学习框架，并改进网络细化与读出机制。在类增量MNIST上，作者报告其准确率超过旧特征表示，在相近存储开销下达到或超过部分回放与正则化基线，同时无需保存历史数据、任务边界或回放缓冲区，并保持早期类别响应与可解释结构。