정규화 통계의 불안정성
시험 배치 정규화가 현재 받은 예시에 지나치게 좌우되면 통계 추정이 부정확해질 수 있다. 연구는 실시간 시험 자료의 구성에 따른 이런 문제를 분석했다.
우세한 클래스로의 편향
시험 시점의 매개변수 갱신이 일부 우세한 클래스로 치우치는 문제도 다뤘다. 시간적으로 의존하거나 클래스 비율이 불균형한 흐름에서는 두 결함이 심해질 수 있다.
재정규화와 온라인 재가중
TBR은 추정한 정규화 통계를 개선하기 위한 구성이다. DOT는 최적화 과정의 클래스 편향에 대응하는 동적인 온라인 재가중 방식으로 함께 제시됐다.
여러 시험 시나리오의 평가
연구는 세 가지 일반 데이터셋의 네 시나리오와 새로 도입한 현실 자료에서 평가했다. 독립적이고 클래스가 균형적인 자료를 넘어 복잡한 시험 흐름을 비교한 것이다.
관련 문서
NOTE 시험 시점 적응 / Tent 시험 시점 적응 / RoTTA / SAR 시험 시점 적응 / EATA 시험 시점 적응 / CoTTA