• 목록

[20250312 특별 세미나] DELTA DEGRADATION-FREE FULLY TEST-TIME ADAPTATION

[일시] 2025.03.12

[리뷰 논문] DELTA DEGRADATION-FREE FULLY TEST-TIME ADAPTATION

[요약]
Test-Time Adaptation의 일반적인 method들은 Independent Sampling 상황과 Class-Balanced한 상황을 가정한다. 하지만 현실 세계는 Dependent Sampling과 Class-Imbalanced한 상황이 더 많다. 따라서 본 논문은 DS-CI한 상황에서의 Test-Time Adaptation의 성능 향상을 위해 두가지 방법을 제시한다. Test-time Batch Renormalization(TBR)은 이전까지의 TTA Method의 BN adaptation인 Test batch의 통계 사용의 문제점을 규명하고 test batch의 통계를 이전 배치까지의 EMA로 정규화하여 TTA의 성능을 향상 시킨다. Dynamic Online reweighTing(DOT)는 이전까지 등장한 class의 빈도에 따라 가중치를 부여하여 클래스 불균형 문제를 완화한다. 이러한 두 가지 기법을 사용하여 4가지 시나리오와 다양한 데이터셋에서의 성능 향상을 입증하였다.

[녹화 영상 링크]
https://us02web.zoom.us/rec/share/DmpjJ_cvN2sLMtnxUc8UvGbqlGScZ37X6Z_Mpc0Lboi-6Mpsjauvc44Nh_Z6cSTT.SahagCjSuI67r48H

[Q&A]
Q : TBR시 보정계수 r이 변동성을 더 크게하는 것이 아닌가.
A : r값은 batch의 표준편차를 ema의 표준편차로 나누어 준 값이다. domain shift가 발생하였을 때, Test의 분포를 잘 따라가야하기 때문에 shift가 큰상황에서는 정규화값도 크게 바뀌어야한다. 따라서 본 논문에서는 TBR의 방식을 사용하였다.