食事分析は、個別の栄養管理や慢性疾患予防など、健康関連作業においてますます重要になっています。しかし、現存の大規模マルチモーダルモデルは新しいタスクの学習時に「壊滅的な忘却」に陥りやすく、初めから再訓練が必要です。本研究では、Dual-LoRAアーキテクチャと品質向上型擬似リプレイを統合した新しい継続学習の枠組みを提案します。各タスクに対し、タスク固有の知識を学習する専門のLoRAと、タスク間での共有知識を強化する共同LoRAを導入しました。また、再生データの信頼性を向上させるために、自己整合性と意味的類似性を利用する品質向上型擬似リプレイ戦略を発表します。これにより、生成サンプルの幻影を減少させています。実験結果は、複雑な食事タスクのための効果的な継続学習アプローチであることを示しています。