시험 단계의 분류기 조정
학습 단계의 일반화 방법과 달리 시험 단계에서 모델의 예측을 스스로 보정하는 데 초점을 둔다. 학습한 모델의 마지막 선형 계층만 바꾸는 모듈로 제시됐다.
클래스별 의사 프로토타입
원천에서 학습한 기본 분류기와 온라인 무정답 자료를 이용해 각 클래스의 대표 표현을 계산한다. 새 예시는 이 의사 프로토타입들과의 거리를 기준으로 분류한다.
역전파 없는 적응
분류 기준을 조정할 때 역전파를 사용하지 않는다. 신경망을 확률적 최적화로 갱신하는 접근과 다른 계산 구성이며 시험 자료에서 얻은 지식을 분류기에 반영한다.
여러 모델과 자료의 평가
PACS와 VLCS 및 OfficeHome과 TerraIncognita에서 평가했다. ResNet과 BiT 및 비전 트랜스포머와 MLP-Mixer 등 서로 다른 기반 신경망을 함께 비교했다.
관련 문서
LAME 시험 시점 적응 / MEMO 시험 시점 적응 / Tent 시험 시점 적응 / SHOT / DomainBed / MME 반지도 도메인 적응