Mar, 2024
测试时适应遇上图像增强:通过不确定性感知的对数开关改进准确性
Test-time Adaptation Meets Image Enhancement: Improving Accuracy via Uncertainty-aware Logit Switching
Shohei Enomoto, Naoya Hasegawa, Kazuki Adachi, Taku Sasaki, Shin'ya Yamaguchi...
TL;DR通过将输入图像增强的新视角加入到 TTA 方法中,以减少预测的不确定性,我们提出了一种名为 TECA 的新方法。通过与图像增强模型结合,TECA 将分类模型与图像增强模型相结合,通过现有的 TTA 方法进行更新,从而减少预测的不确定性,提高 TTA 方法的准确性。