本文介绍了基于 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。实验结果表明，该方法在 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。alpha-BN 改进了 28.4％至 43.9％。

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。

DARTH是一个测试时间适应框架，用于解决多目标跟踪中的测试时间域偏移问题。通过引入检测一致性公式和补丁对比损失，成功适应了目标检测和实例外观表示，在多个领域转移情况下取得了显著性能提升。