fully test-time adaptation | BriefGPT

关键词fully test-time adaptation

搜索结果 - 6

MM学习视觉条件令牌以纠正完全测试时的领域偏移
基于 Transformer 的图像分类中，通过学习引入一个类令牌来捕捉目标样本的领域特征，结合输入图像嵌入，能够逐渐消除输入样本特征表示中的领域相关信息，在不同领域之间显著提高源模型的测试时适应性能。
PDF9 days ago
单目三维物体检测的全面测试时适应
基于单目视觉的三维物体检测中，本文提出了一种新的自适应方法 —— 全测试阶段自适应，在无标签测试数据上通过处理潜在的数据分布转移来自适应已经训练好的模型。通过可靠性驱动的自适应策略和噪声保护自适应策略，该方法解决了由异常测试数据引起的物体漏
PDFa month ago
AAAI奇异值惩罚和语义数据增强的全面测试时间自适应
通过最大化奇异值的总和同时最小化其方差，我们提出的方法在实现 FTTA 过程中增强了较难区分的类别的判别能力，有效提高了预测结果的多样性，并通过使用前一批次的数据为当前批次实现语义数据增广以减小过拟合风险。广泛的基准实验表明了我们提出的方法
PDF7 months ago
从聚类视角改进基于熵的测试时适应性
领域转移是现实世界中常见的问题，完全测试时间适应（TTA）利用测试时间遇到的未标记数据来调整模型。我们从聚类的视角介绍了熵基于 TTA 方法（EBTTA），解释了为什么现有的 EBTTA 方法对初始分配、异常值和批次大小敏感，并提出了改进的
PDF8 months ago
CVPR全测试时间适应的神经调制 Hebbian 学习
本文研究了深度神经网络领域中跨域性能退化问题，提出了一种基于完全测试时间自适应方法来提高网络适应性能的方法，其中采用了软式 Hebbian 学习过程和反馈神经调节层来辅助在线适应。实验结果表明，该方法可以显著改善网络模型的适应性能并超越现有
PDFa year ago
ICLRTent: 通过最小熵化实现完全测试时间适应
本篇研究提出了基于测试熵最小化（TENT）的完全测试时间自适应模型，通过优化其预测熵来提高分类性能，该方法在多个数据集上均取得了最先进的成果。
PDF4 years ago