CLIMB는 온라인 지속적 자기 지도 학습(OCSSL) 방법으로, 메모리 제약 하에 레이블 없는 데이터 스트림에서 학습합니다. 기존 방식의 재현 버퍼 활용 또는 정규화만으로는 한계가 있어, CLIMB는 이 두 가지를 결합합니다. 계층적 메모리 방식을 통해 유사한 이미지를 그룹화하여 대비 학습에 활용하고, 지식 증류를 통해 표현 변화를 제한합니다.
CLIMB는 총 저장 이미지 수를 제한하는 계층적 센트로이드 기반 메모리를 도입하고, 재현된 예시에 대한 지식 증류를 통해 표현 변화를 줄입니다. Split CIFAR-100 및 Split ImageNet-100 데이터셋에서 기존 OCSSL 방법보다 성능이 우수합니다.
불규칙한 작업 분포 환경에서도 기존 방식보다 뛰어난 성능을 보여, OCSSL 분야에 새로운 가능성을 제시합니다.