研究人员推出SATOR,一个用于将3D模型适应新数据分布的新框架,无需反向传播或多次前向传播。与依赖预定义令牌清除大小的先前方法不同,SATOR动态确定特定于样本的阈值和路由决策。该方法利用注意力和几何关系图来计算令牌异常分数,从而在各种3D基准测试中实现更高效、更准确的测试时自适应。 AI
影响 这种新的3D测试时自适应方法可以提高模型在数据分布变化的现实场景中的鲁棒性。
排序理由 这是一篇描述一种新的3D测试时自适应方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- ModelNet40-C
- SATOR
- ScanObjectNN-C
- ScienceCast
- ShapeNet-C
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →