급격한 변화와 오류 누적
긴 시험 흐름에 여러 영역이 나타나면 자기 학습의 오류가 누적될 수 있다. 실제 변화가 항상 점진적이지 않다는 점도 의사 레이블에 의존하는 적응을 어렵게 만든다.
중간 영역을 통한 연결
현재 영역 차이 사이에 인위적인 중간 영역을 만든다. 큰 변화를 더 작은 점진적 변화로 나누어 신뢰할 수 있는 의사 레이블로 자기 학습을 수행하려는 접근이다.
두 가지 생성 변형
중간 영역을 만드는 독립적인 두 방식으로 혼합 증강과 경량 스타일 전이를 제안했다. 동일한 원리를 서로 다른 자료 변환으로 구현한 것이다.
점진적 장면 변화의 평가
지속적 오염과 점진적 오염 및 ImageNet-R에서 평가했다. 도시 장면 분할의 점진적 변화를 조사할 수 있도록 시간에 따라 달라지는 영역 변화를 포함하는 CarlaTTA도 공개했다.
관련 문서
RMT 시험 시점 적응 / DLOW 도메인 흐름 / CoTTA / MixUp / ROID 시험 시점 적응 / NOTE 시험 시점 적응