연구진은 CLIP 기반 클래스 증분 학습(CIL)에서 속성 추출과 집계를 분리하는 AREA라는 새로운 방법을 제안했어요. AREA는 시각 및 텍스트 속성을 가속 굴절 분석을 통해 고차원 공간에 고정하여 추출을 안정화하고, 가벼운 태스크별 전문가를 학습하여 집계를 안정화해요. 실험 결과 AREA는 기존 최고 성능 모델(SOTA)보다 우수한 성능을 보였으며, 코드와 모델은 GitHub에서 확인할 수 있어요.