BriefGPT - AI 论文速递
·
测试时间归一化统计量解混：对抗标签时序相关性
💡
原文中文，约600字，阅读约需2分钟。
📝
内容提要
TRIBE是一种测试时间适应（TTA）模型，通过平衡的batchnorm层和锚定损失解决了不平衡测试数据和持续域漂移的问题。TRIBE在四个真实世界TTA数据集上评估，实现了最先进的性能。
🎯
关键要点
- TRIBE是一种测试时间适应（TTA）模型，旨在解决不平衡测试数据和持续域漂移的问题。
- 现有方法在不平衡测试数据上适应归一化层存在缺陷，导致性能下降。
- TRIBE引入了平衡的batchnorm层，以避免对多数类别的偏向。
- TRIBE结合了自我训练（ST）方法，但通过锚定损失对模型更新进行正则化，以防止过适应。
- TRIBE在四个真实世界TTA数据集上评估，始终实现了最先进的性能。
➡️
