DPCore：面向持续测试时适应的动态提示核心集
机器学习
2025-06-09 v4 计算机视觉与模式识别
摘要
持续测试时适应(CTTT)寻求将源预训练模型适配到持续变化的、未见的目标域。虽然现有CTTT方法假设结构化的域变化且具有均匀持续时间，但现实环境常呈现动态模式——域以不同频率和持续时间反复出现。当前方法在不同域上固定适应同一参数，难以应对此类动态情况——面临短暂域暴露时的收敛问题、知识遗忘风险，或误用于不相关域。为此，我们提出DPCore，旨在实现跨多样化域变化模式的稳健性能，同时保证计算效率。DPCore集成三个关键组件：视觉提示适应用于高效域对齐、提示核心集用于知识保存，以及动态更新机制——对相似域智能调整现有提示，对显著不同域创建新提示。基于四个基准的大量实验表明，DPCore在结构化和动态设置下均显著优于各种CTTT方法，实现SOTA性能，训练参数减少99%，计算时间缩短64%。
引用
@article{arxiv.2406.10737,
title = {DPCore: Dynamic Prompt Coreset for Continual Test-Time Adaptation},
author = {Yunbei Zhang and Akshay Mehra and Shuaicheng Niu and Jihun Hamm},
journal= {arXiv preprint arXiv:2406.10737},
year = {2025}
}
备注
ICML2025