연구진은 도메인 변화와 지식 손실을 동시에 해결하는 CORF(CrOss-sample Relational Fusion) 프레임워크를 제안했습니다. CORF는 공간 기여도 맵을 활용해 의미 있는 영역을 강조하고, 예측 신뢰도를 활용해 도메인 불변 표현 학습을 돕습니다.
기존 CIL 알고리즘에 CORF를 통합하여 일반화 성능을 향상시킬 수 있으며, 다양한 벤치마크 데이터셋에서 경쟁력 있는 성능을 보였습니다.
CORF 관련 코드는 GitHub 저장소에서 확인할 수 있습니다: https://github.com/LAMDA-CL/TMM26-CORF .