面向分割任务的单图像测试时自适应
计算机视觉与模式识别
2024-07-04 v2
摘要
测试时自适应（Test-Time Adaptation, TTA）方法提升了深度神经网络在图像分类或分割等多种任务中对域偏移的鲁棒性。本工作探索在测试时仅利用单张无标签图像、且无其他可用数据的情况下对分割模型进行自适应。具体而言，本工作聚焦于通过测试时优化自监督损失来实现自适应。我们在多种条件下评估了基于不同原则的多个基线方法，并引入了一种新颖的对抗训练方法以结合掩码细化进行自适应。相较于未自适应的基线，我们对基线的改进分别带来了 3.51% 和 3.28% 的提升；若无这些改进，提升仅分别为 1.7% 和 2.16%。
引用
@article{arxiv.2309.14052,
title = {Single Image Test-Time Adaptation for Segmentation},
author = {Klara Janouskova and Tamir Shor and Chaim Baskin and Jiri Matas},
journal= {arXiv preprint arXiv:2309.14052},
year = {2024}
}
备注
TMLR accepted paper