Purge-Gate：基于Token清除的点云分类免反向传播测试时自适应
计算机视觉与模式识别
2025-09-15 v1
摘要
测试时自适应(TTA)对于减轻3D点云分类中由分布偏移引起的性能下降至关重要。在这项工作中，我们引入了Token清除(PG)，这是一种新颖的免反向传播方法，它会在受域偏移高度影响的token到达注意力层之前将其移除。与现有的TTA方法不同，PG在token级别运行，确保无需迭代更新即可实现稳健的自适应。我们提出了两个变体：PG-SP，利用源统计信息；以及PG-SF，一个完全无源的版本，依赖于CLS-token驱动的自适应。在ModelNet40-C、ShapeNet-C和ScanObjectNN-C上的广泛评估表明，PG-SP比最先进的免反向传播方法的准确率平均高出+10.3%，而PG-SF为无源自适应设定了新的基准。此外，PG比我们的基线快12.4倍，内存效率高5.5倍，使其适用于现实世界的部署。代码可在 \hyperlink{https://github.com/MosyMosy/Purge-Gate}{https://github.com/MosyMosy/Purge-Gate} 获取。
引用
@article{arxiv.2509.09785,
title = {Purge-Gate: Backpropagation-Free Test-Time Adaptation for Point Clouds Classification via Token Purging},
author = {Moslem Yazdanpanah and Ali Bahri and Mehrdad Noori and Sahar Dastani and Gustavo Adolfo Vargas Hakim and David Osowiechi and Ismail Ben Ayed and Christian Desrosiers},
journal= {arXiv preprint arXiv:2509.09785},
year = {2025}
}