本文研究了点云语义分割中的域自适应和测试时间自适应，通过引入领域转换和更新 BN 统计的方法，以及最大化信息和可靠性约束伪标签的方法，提高了分类准确率。在摄影测量到空中 LiDAR 的适应中，达到了59.46%的mIoU和85.97%的OA。

本文研究了点云语义分割中的域自适应和测试时间自适应，通过引入不同的领域转换范例和逐步更新BN统计的方法，以及最大化信息和可靠性约束伪标签的方法，实现了比其他方法更好的分类准确率提升。在摄影测量到空中LiDAR的适应中，本方法在推理阶段达到了59.46%的mIoU和85.97%的OA。

本研究提出了一种基于主动学习和模型选择的人在环测试时间自适应方法，实验结果表明该方法在4个测试时间自适应数据集上优于最先进的方法和基于流的主动学习方法。

该论文提出了一种名为AugBN的快速测试时间自适应方法，用于单镜头图像推理。该方法只需要一次前向传递来估计未见过的测试分布的规范化统计，无需反向传播和超参数。实验表明，该算法在各种数据集、任务和网络架构上都取得了显著的性能提升。