BriefGPT - AI 论文速递
·
克服连续学习中规范化统计的新陈代谢偏见：平衡和适应
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文介绍了一种基于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。实验证明该方法在图像分类和语义分割等三个主题的12个数据集上实现了最先进的性能，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。
- 在图像分类和语义分割等三个主题的 12 个数据集上实现了最先进的性能。
- 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。
➡️
