BriefGPT - AI 论文速递
·
通道选择性归一化的标签偏移稳定测试时自适应
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于alpha-BN的测试时间适应框架Core，通过混合源和目标统计信息来校准批次统计量以缓解域漂移并保留区分结构。实验证明该方法在12个数据集上实现了最先进的性能，包括图像分类和语义分割。特别地，在没有任何训练的情况下，alpha-BN改进了28.4%至43.9%，甚至超过了最新的源无关域自适应方法。
🎯
关键要点
-
提出了一种基于alpha-BN的测试时间适应框架Core。
-
通过混合源和目标统计信息来校准批次统计量，以缓解域漂移并保留区分结构。
-
在12个数据集上实现了最先进的性能，包括图像分类和语义分割。
-
在没有任何训练的情况下，alpha-BN的改进幅度为28.4%至43.9%。
-
该方法甚至超过了最新的源无关域自适应方法。
🏷️
标签
➡️
