Towards Robust Multimodal Open-set Test-time Adaptation via Adaptive Entropy-aware Optimization
💡
原文英文,约100词,阅读约需1分钟。
📝
内容提要
本研究提出了一种自适应熵感知优化框架(AEO),用于多模态开放集测试时的适应(MM-OSTTA)。该框架通过优化未知类别样本的自适应熵和模态预测差异,提升了在线适应性能,展现出在长时间场景中的强大适应能力,具有广泛的应用潜力。
🎯
关键要点
- 本研究提出了一种自适应熵感知优化框架(AEO),用于多模态开放集测试时的适应(MM-OSTTA)。
- 该框架通过优化未知类别样本的自适应熵和模态预测差异,提升了在线适应性能。
- AEO在长时间场景中的适应能力表现强大,具有广泛的应用潜力。
➡️