AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：ICCV 2023 Oral | 如何在開放世界進(jìn)行測試段訓(xùn)練？基于動(dòng)態(tài)原型擴(kuò)展的自訓(xùn)練方法

關(guān)鍵字：樣本,原型,測試,方法,數(shù)據(jù)

文章來源：機(jī)器之心

內(nèi)容字?jǐn)?shù)：9131字

內(nèi)容摘要：機(jī)器之心報(bào)道機(jī)器之心編輯部本文首次提出一種針對開放世界的測試段訓(xùn)練方法。提高模型泛化能力是推動(dòng)基于視覺的感知方法落地的重要基礎(chǔ)，測試段訓(xùn)練和適應(yīng)（Test-Time Training/Adaptation）通過在測試段調(diào)整模型參數(shù)權(quán)重，將模型泛化至未知的目標(biāo)域數(shù)據(jù)分布段。現(xiàn)有 TTT/TTA 方法通常著眼于在閉環(huán)世界的目標(biāo)域數(shù)據(jù)下提高測試段訓(xùn)練性能。可是，在諸多應(yīng)用場景中，目標(biāo)域容易受到強(qiáng)域外數(shù)據(jù)…

原文鏈接：點(diǎn)此閱讀原文：ICCV 2023 Oral | 如何在開放世界進(jìn)行測試段訓(xùn)練？基于動(dòng)態(tài)原型擴(kuò)展的自訓(xùn)練方法

聯(lián)系作者

文章來源：機(jī)器之心

作者微信：almosthuman2014

作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺(tái)