Contrastive Test-Time Adaptation

最新推荐文章于 2024-12-03 13:40:22 发布

原创最新推荐文章于 2024-12-03 13:40:22 发布

· 1k 阅读

3 ·

版权

文章标签：

#聚类 #数据挖掘 #机器学习

python学习专栏收录该内容

1 篇文章

订阅专栏

本文介绍了一种名为Contrastive Test-Time Adaptation的方法，该方法为CVPR2022的一篇论文。这是一种无需源域数据即可进行目标域领域适配的技术。文中提到的方法结合了对比学习与自我学习，通过弱增强数据直接进行聚类，并利用强增强对比来优化特征，以提升目标模型的性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Contrastive Test-Time Adaptation 是 CVPR2022 论文
Test-time adaptation是在target数据上进行领域自适应的方法，而且没有source数据参与。
https://github.com/DianCh/AdaContrast.

这篇论文有代码，是对比学习和SHOT的融合。

self-learning 和 SHOT 的融合，接下来需要详细看看。

**加粗样式**

文章的亮点

第一条线，使用弱增强数据，没有反梯度优化，直接聚类。
第二条线，使用了self-learning and contrastive leanring，不断优化特征，帮助target model 特征优化。
使用了两个强增强的q,k 的对比优化，同时兼顾了自训练。
第三条线，希望聚类得到的标签，进化后的模型的预测值能够一致。