基于轨迹块的对抗性记忆初始化用于现实测试时适应
计算机视觉与模式识别
2025-09-03 v1
摘要
我们提出了一种新颖的基于轨迹块的数据集，用于基准测试测试时适应 (TTA) 方法。该数据集旨在模拟现实环境中遇到的复杂挑战，例如手持摄像机捕获的图像、自动驾驶汽车等。当前的 TTA 基准测试关注模型在部署时如何应对分布偏移，以及违反机器学习中常见的独立同分布 (i.i.d.) 假设。然而，这些基准测试未能忠实地代表自然显示出时间依赖性的现实场景，例如连续视频帧中同一对象在时间上呈现相同的特征。我们通过从轨迹块-由对象跟踪数据集中从边界框收集的一系列以对象为中心的图像构成的数据集来弥补当前数据集的不足。我们使用 ITD 数据集对当前 TTA 方法进行详尽的实验分析，揭示了这些方法在面对时间依赖性挑战时的局限性。此外，我们在这些见解基础上提出了一种新颖的对抗性记忆初始化策略，以提高基于记忆的 TTA 方法性能。我们发现，该策略在我们具有挑战性的基准测试上显著提升了各种方法的性能。
引用
@article{arxiv.2509.02182,
title = {ADVMEM: Adversarial Memory Initialization for Realistic Test-Time Adaptation via Tracklet-Based Benchmarking},
author = {Shyma Alhuwaider and Motasem Alfarra and Juan C. Perez and Merey Ramazanova and Bernard Ghanem},
journal= {arXiv preprint arXiv:2509.02182},
year = {2025}
}