新方法ReNC利用神经坍塌改进开放世界测试时域自适应

研究人员开发了一种名为可靠神经坍塌近似（ReNC）的新方法，以应对开放世界测试时域自适应（OWTTA）的挑战。该方法利用神经坍塌作为结构先验，以改进源域和目标域之间的自适应，尤其是在标签分布发生变化时。ReNC通过将分布外（OOD）样本与从预训练分类器权重派生的原型进行比较来识别和过滤它们。此外，它还精炼这些原型以适应目标域，同时保持神经坍塌结构，在开放世界基准测试中表现出卓越的性能。 AI

影响 这项研究提供了一种新颖的方法来改进数据分布变化的场景下的模型自适应，有可能增强AI系统在实际应用中的鲁棒性。

排序理由 该集群包含一篇详细介绍测试时域自适应新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Hugging Face
• neural collapse
• Open-World Test-Time Adaptation
• Reliable Neural Collapse approximation
• Renchen
• Test-Time Adaptation

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →