FIESTA：基于费舍尔信息的高效选择性测试时间适应

本研究针对在不受约束的真实环境中进行面部表情识别时面临的领域转移问题，提出了一种新的费舍尔驱动选择性适应框架。该方法能够动态识别并更新最关键的模型参数，从而在仅更新22,000个参数的情况下，实现F1得分提高7.7%的显著效果，极大提高了适应效率并降低了计算开销。