Hyperbolic 기하학은 다중 모드 학습에서 계층적 의미 구조를 자연스럽게 포착하는 강력한 표현 공간으로 떠올랐어요. 하지만 연속 학습 환경에서 이러한 표현이 어떻게 작동하는지는 아직 제대로 연구되지 않았어요. 이번 연구는 이 문제를 기하학적 관점에서 분석하고, 공유된 Hyperbolic isometry 하에서 교차 모드 불변성을 유지해야 잊는 것을 방지할 수 있다는 이론적 기반을 제시했어요.
연구 결과, Hyperbolic 연속 학습에서의 잊힘은 의미 관계의 변화와 계층 구조 왜곡을 모두 포함하며, 이 두 가지를 모두 보존해야 한다는 점을 밝혀냈어요. 이러한 통찰력을 바탕으로, 본질적인 기하학적 구조를 보존하면서 새로운 작업에 효과적으로 적응할 수 있는 연속 학습 프레임워크를 개발했어요.
다중 모드 연속 학습 벤치마크 실험 결과, 제안된 접근 방식의 효과를 입증했어요.