arXiv cs.CV· Youjia Zhang, Huiling Liu, Soyun Choi, Jaehong Yoon, Sungeun Hong·· 4 小时前AI 评分34
并非每次修正都有益：GAIN 增益引导的持续测试时自适应
Not Every Correction Helps: Gain-Guided Continual Test-Time Adaptation
AI 导读
GAIN 是免反向传播、无样本存储与回放的持续测试时自适应（CTTA）框架，按“历史提议、增益决定”原则，用目标统计生成修正提议、以源相对增益决定每个样本的干预强度。在五个 benchmark 上它取得较强预测性能，ImageNet-C 上以接近源模型的校准达到 61.9% 准确率，并比代表性优化式 CTTA 基线快 15.9x。
来源：arXiv cs.CV · arxiv.org