Mar, 2024

可靠的时空体素用于多模态测试时适应

PDF
TL;DR提出了一种多模态测试时间适应（MM-TTA）方法，通过在线利用互补的多模态输入对未标记的目标领域进行模型适应。提出的 Latte 方法利用可靠的跨模态时空对应关系实现了多模态三维分割，并在空间和时间邻域中寻找可靠和一致的预测进行交叉模态学习，取得了与以前的 MM-TTA 或 TTA 方法相比在三个不同的 MM-TTA 基准测试上表现出的最先进性能。
发现论文，激发创造
  • MM-TTA: 3D 语义分割的多模态测试时适应

    本文提出一种新的多模态测试时自适应模型，其中包含 Intra-PG 模块用于获取可靠的伪标签，以及 Inter-PR 模块用于自适应选择更可靠的伪标签，实现了基于多模态输入的 3D 语义分割稳定自学习。

    Apr, 2022

  • ICCV 2023 视觉持续学习挑战的技术报告：语义分割的连续测试时适应

    开发一种测试时自适应方法，用于语义分割任务中针对视频序列中逐渐变化的领域进行模型适应，主要基于合成自驾车视频数据集 SHIFT，目标是分析分布变化并开发一个能够适应数据动态变化和在不同场景中泛化的方法。

    Oct, 2023

  • 单幅图像测试时自适应分割

    优化自监督损失进行测试时间段的自适应图像分割模型，采用多种基线方法及改进，并引入对抗训练来提高性能。

    Sep, 2023

  • 测试时间自适应的特征对齐和统一性

    该研究探讨了测试时间自适应的方法，使用特征修正、自我蒸馏以及空间本地化聚类等技术，提高了医学图像分割任务的性能，进一步提高了现有测试时间适应方法的性能表现。

    Mar, 2023

  • 视觉文档理解的测试时间适应性

    文章介绍了一种新的文档测试时间自适应方法，利用跨模态自监督学习和伪标记来使源域的模型适应测试时未标记的目标域，并在各种视觉文档理解任务中提升效果。

    Jun, 2022

  • 注重 Atlas：基于 Atlas 引导的测试时适应性方法，用于强健的三维医学图像分割

    本文介绍了一种用于 3D 医学图像分割的新的 Atlas 引导的测试时间自适应方法，其仅需要一个单一的未标记测试样本作为输入，并通过最小化基于 Atlas 的损失来适应分割网络。此外，与大多数现有的测试时间自适应方法不同，该方法还利用通道和空间注意块来提高测试时间的适应性，并在多个数据集上表现出了优异的性能。

    Jul, 2023

  • 视频流的测试时间训练

    本文研究了在线测试时训练（Online TTT）的方法，通过在视频帧上应用自我监督模型来扩展测试时训练的范畴，并提出了在线 TTT 方法，该方法比离线 TTT 方法在特定情况下取得了更好的实验效果。

    Jul, 2023

  • 基于槽位中心模型的测试时适应

    本研究提出一种基于自我监督的 Slot-TTA 模型，在测试时通过梯度下降对重构或新颖视角综合目标进行场景自适应调整，大幅提高了场景内实例分割的准确性，尤其在非训练数据中取得了显著的性能提升。

    Mar, 2022

  • 测试时自适应视觉与语言导航

    通过快慢测试时适应（FSTTA）方法，解决视觉语言导航（VLN）模型的适应性与稳定性困境，实现模型的快速自适应和稳定回归，获得卓越的性能提升。

    Nov, 2023

  • 少数点击即可：主动测试时间适应语义分割

    在这项工作中，我们通过引入人机协同测试模式，提出了一种简单而有效的 ATASeg 框架，它通过极少量的注释实现了 TTA 方法和有监督方法之间的性能差距的弥合。

    Dec, 2023