编者寄语
多模态持续学习是指在不断获取新任务和新数据的过程中，模型能够持续地从多种模态（如图像、文本、语音等）中学习，同时避免灾难性遗忘已有知识。这一研究方向不仅结合了多模态融合与知识持续积累的优势，更贴近现实世界中数据多样且动态演化的场景。其重要性体现在推动智能体从“静态理解”走向“动态适应”，在智能问答、自动驾驶、人机交互等任务中具备更强的泛化能力与环境适应性，是迈向通用人工智能的重要一步。然而，多模态持续学习技术目前仍面临包括模态间表征差异导致的知识融合困难、旧模态遗忘、模态不一致性引发的知识迁移障碍等多项挑战。
本专题聚焦知识引导的多模态持续学习的关键技术与前沿应用，涵盖连续情感分析中的持续建模、增量式跨模态检索、持续多媒体内容理解与生成、小样本增量学习，以及自动驾驶在开放环境下的持续适应能力，力求为读者提供从理论机制到实际场景的解析与洞察。
编委主任：
苏金树 CCF会士 军事科学院教授
本期主编：
闵巍庆 CCF多媒体技术专委会秘书长 中国科学院计算技术研究所副研究员
余 璐 CCF多媒体技术专委会执行委员 天津理工大学副教授
目录
点击“阅读原文”浏览《CCF数图焦点》第70期详细内容。