来源 Boosting Vision-Language Models Towards Cross-Domain Incremental Object Detection
作者 Xu Wang, Zihan Lin, Yixin Zhang, Zilei Wang

产线最怕的不是模型不会，而是新缺陷刚学会，旧缺陷先掉点。

新品导入、换线换型、相机更换、光照漂移、料号切换、缺陷库持续扩容，都是工业视觉的日常。

连续 fine-tuning 容易灾难性遗忘；每个场景单独训一套，又会带来模型版本爆炸、回归周期拉长、显存和部署资源越吃越多。

CVPR 2026 这篇工作换了个思路：不是继续堆模型，而是让视觉语言模型在新类别 + 新域不断到来的情况下持续学习，同时尽量守住老能力。作者提出跨域增量目标检测 CDIOD，并给出 Dynamic Group Subspace，简称 DGS。

对工业视觉而言，它的重要意义很直接：把一次性交付的检测模型，往长期可维护的模型资产推进。

 全套《跨域增量工业视觉检测资料包》已整理完毕，内含 CDIOD任务设定、DGS核心框架拆解、DTG/LoRA/Adapter合并要点和后续创新选题方向，以及近年相关顶会顶刊论文合集。

免费发给你。获得方式在这👇：

点击跳转

一套模型连续吃新任务，真正难的是“别互相打架”

传统增量检测往往默认前后任务来自近似分布，但产线不是实验室。钢板、PCB、焊缝、铸件之间是大域差；同一产品换机台、镜头、曝光和表面批次，也会产生 domain shift。

CDIOD 把“加新类别”和“切新域”放进同一个连续任务流。模型不仅要学新东西，还得在跨域后保住历史能力。论文指出，大分布偏移下，全量微调容易严重遗忘，而一些 PEFT 方法虽然更稳，却又可能在新域上适应不足。

论文 Figure 1(a)｜跨域增量任务流：从同域加类走向跨场景持续学习

映射到现场，就是今天加划痕，明天切新 SKU，后天换相机，下个月再补一个压伤类。难点已经从单次精度，转向模型寿命周期。

先看分布，再决定“共享还是隔离”

DGS 第一刀是 Dynamic Task Grouping，DTG。

新任务进来后，冻结视觉 backbone 提取特征，用均值 μt 和方差 Σt 估计任务分布，再与已有任务组比较 KL divergence。相似就并组，差异太大则新开一组。

工业现场可以把它理解成“工艺分仓”：近域共享经验，远域及时隔离。

这比机械地“一任务一 Adapter”更有工程味。因为任务 ID 一旦路由错了，后面的 Adapter 再强也白搭。论文实验也显示，group-wise routing 能明显缓解任务级路由混淆。

Adapter不能只会加，还得会“收口”

DGS 的第二个关键，是 IGA 和 IGC。

论文以 Grounding DINO 为底座，用 LoRA 做轻量更新，并把 Adapter 插入视觉和文本分支的 FFN。新任务进入已有组后，会从该组 base adapter 初始化一个 new adapter，训练后再合并回组内共享子空间。

λ 用来平衡旧知识保留和新知识吸收。合并完成后，new adapter 可以丢掉，避免任务越积越多、参数一路线性膨胀。

论文 Figure 4｜DGS整体框架：任务分组、Adapter扩展、组内合并与推理路由

对于多 SKU、多机台团队，这一点很实在：模型不是越训越肥，而是边学边归档。

新工艺要敢学，老工艺要守住

全量 fine-tuning 的典型问题是新任务学得快，旧任务掉得也快；PEFT 更稳，但遇到大 domain shift 又可能学不透。

DGS 根据任务是否进入已有 group 动态切换训练 recipe：新组更强调适应能力；已有组则引入知识蒸馏，重点保护共享知识。

放到工业侧很好理解：新工艺冷启动和老工艺追加缺陷，本来就不该用同一套训练策略。

连续跑10个阶段，差距被拉到11.4 AP

论文使用 DIOR、Pascal VOC、RUOD 构建跨域连续任务流。

在 10 阶段的 0-5 设置下，DGS 最终平均 AP 达到 60.2，MR-GDINO 为 48.8，领先 11.4 AP；5 阶段设置下达到 64.7，比此前最佳结果高 8.5 AP。

论文 Table 1｜CDIOD主结果：任务链越长，稳定性差距越明显

另一个值得工业团队关注的数据是参数量。完整 DGS 只增加约 1.2%额外参数，同时在连续任务增加时控制参数增长。

论文 Figure 7｜10阶段增量下的参数增长与平均性能

下一阶段，工业视觉拼的可能是“模型维护成本”

DGS 更值得迁移的地方，不是某个公开数据集上的 AP，而是一套多产品、多域、持续迭代的模型维护范式。

把论文中的自然场景、水下、遥感换成钢板、PCB、焊缝、铸件，或者换成不同机台、不同相机、不同光学 recipe，逻辑依然成立：先判断域是不是一路，再决定共享还是隔离；近域复用知识，远域单开子空间；最后通过 Adapter 合并压住模型体量。

这套方案也有现实门槛。论文明确指出，DGS 比较依赖任务分布估计，数据量不足时可能产生错误分组。对工业场景而言，小样本、长尾缺陷、设备漂移、开放词汇识别，恰好都是后续可以继续往下挖的方向。

工业视觉下一阶段比拼的，可能不只是首版 mAP，而是谁能让一套模型在线上活得更久。

---

全套《跨域增量工业视觉检测资料包》已整理完毕，内含 CDIOD任务设定、DGS核心框架拆解、DTG/LoRA/Adapter合并要点和后续创新选题方向，以及近年相关顶会顶刊论文合集。

免费发给你。获得方式在这👇：

点击跳转