• 목록

[일시]
2025.01.13

[세미나 주제]
Test Time Training

[발표자]
오수진

[요약]
Test-Time Training(TTT)은 모델이 테스트 단계에서 데이터 분포 변화에 실시간으로 적응할 수 있도록 자기 지도 학습이나 추가 학습 신호를 활용하는 기법으로, 자율주행과 로보틱스 등 데이터 분포가 자주 변하는 환경에서 유용하다. TTT with SST(Self-Supervision)는 인코더를 공유하고 자기 지도 태스크와 원래 태스크를 분리하여 BatchNorm 레이어나 특정 레이어만 업데이트하며, 이미지 분류 및 도메인 일반화에서 강건한 성능을 입증하였다. T4P(Test-Time Training of Trajectory Prediction)는 Masked Autoencoder(MAE)와 Actor-Specific Token Memory를 활용해 개별 액터의 움직임 특성을 학습하며, 자율주행의 궤적 예측에서 분포 변화에 강건한 성능을 제공한다. 두 방법 모두 테스트 시점에서의 업데이트를 통해 모델의 적응력을 높이고 분포 변화에 대응할 수 있도록 설계되었으며, 특히 Online TTT는 지속적인 데이터 업데이트로 성능을 점진적으로 개선한다. 그러나 추가 연산 비용과 레이블 품질 문제 등 몇 가지 한계점이 존재하며, 다양한 도메인에서의 범용성과 적용성 검증이 필요하다.

[관련 논문]
- Test-Time Training with Self-Supervision for Generalization under Distribution Shifts
- T4P: Test-Time Training of Trajectory Prediction via Masked Autoencoder and Actor-specific Token Memory

[녹화 영상 링크]
https://us02web.zoom.us/rec/share/KoOn63blyDvLppj468Duw6TlfC9Ib-0rtfJlgOs4tLssS0zYwMnM68nxcFxJ451h.Qw_WbZUbZ2F5xsBp