同步任务行为：在测试时训练中对齐多个任务
机器学习
2025-07-22 v2 人工智能
计算机视觉与模式识别
摘要
将神经网络推广到不可见目标域是实际部署中的重要挑战。测试时训练 (Test-time training, TTT) 通过使用辅助自监督任务来减少源域和目标域之间分布迁移导致的域间差距，从而解决此问题。然而，我们发现当模型需在域迁移下执行多个任务时，常规 TTT 方法会受到任务行为不同步的影响，即实现一个任务最佳性能所需的适应步骤可能不与其他任务的需求相匹配。为此，我们提出一种新颖的 TTT 方法，称为同步任务测试时训练 (Synchronizing Tasks for Test-time Training, S4T)，其能够并行处理多个任务。S4T 的核心思想是：在测试时预测任务间关系是同步多个任务的关键。为验证我们的方法，我们将 S4T 应用于常规多任务基准，集成于传统 TTT 协议之中。我们的实验结果表明，S4T 在各种基准上均优于最先进的 TTT 方法。
引用
@article{arxiv.2507.07778,
title = {Synchronizing Task Behavior: Aligning Multiple Tasks during Test-Time Training},
author = {Wooseong Jeong and Jegyeong Cho and Youngho Yoon and Kuk-Jin Yoon},
journal= {arXiv preprint arXiv:2507.07778},
year = {2025}
}
备注
Accepted at ICCV 2025