NC-TTT：一种用于测试时训练的噪声对比方法
计算机视觉与模式识别
2024-04-15 v1 机器学习
摘要
尽管深度学习模型在视觉任务中表现优异，但在测试时面临领域偏移往往表现不佳。测试时训练（TTT）方法近期受到广泛关注，它通过引入与主任务联合优化的辅助目标来增强模型的鲁棒性。由于该辅助目标严格无监督，它在测试时被用于在没有任何标签访问的情况下适配模型。在本工作中，我们提出了一种基于噪声特征图判别的全新无监督 TTT 技术——噪声对比测试时训练（NC-TTT）。通过学习对投影特征图的噪声视图进行分类，并在新领域上相应地适配模型，分类性能可以得到显著恢复。在几个流行的测试时适配基线上的实验表明，与该任务近期的方法相比，我们的方法具有优势。代码可在：https://github.com/GustavoVargasHakim/NCTTT.git 获取
引用
@article{arxiv.2404.08392,
title = {NC-TTT: A Noise Contrastive Approach for Test-Time Training},
author = {David Osowiechi and Gustavo A. Vargas Hakim and Mehrdad Noori and Milad Cheraghalikhani and Ali Bahri and Moslem Yazdanpanah and Ismail Ben Ayed and Christian Desrosiers},
journal= {arXiv preprint arXiv:2404.08392},
year = {2024}
}