研究人员开发了 ZOTTA,一个新颖的测试时间自适应 (TTA) 框架,它利用梯度无关零阶优化 (ZOO) 来增强模型在分布变化下的鲁棒性。与依赖计算成本高昂的反向传播的传统方法不同,ZOTTA 仅通过前向传播运行,使其兼容不可微分模型并适用于边缘设备。该框架包含分布鲁棒层选择以降低优化维度,以及空间特征聚合对齐以稳定 ZOO 过程。实验证明了 ZOTTA 的有效性,表明它在内存使用量显著减少且在 ImageNet-C 等数据集上提高了准确性的同时,可以超越或媲美基于反向传播的方法。 AI
影响 通过消除对反向传播的需求,实现了在边缘设备上更高效、更鲁棒的模型自适应。
排序理由 该集群包含一篇详细介绍测试时间自适应新方法的 ist 研究论文。 [lever_c_demoted from research: ic=1 ai=1.0]
- ImageNet-A
- ImageNet-C
- ImageNet-R
- ImageNet-Sketch
- Ronghao Zhang
- synthetic aperture radar
- Zeroth-order optimization with orthogonal random directions
- ZOTTA
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →