表3总结了半监督和无监督设置下不同设计的测试时间适应(TTA)基线的结果。TENT [42]是为一般无监督设置而设计的,但与其他TTA基线相比,它在目标姿态估计任务上表现较差。使用伪标签的平均教师(PL)[35]在半监督和无监督设置下的表现优于TENT [42],我们认为使用具有动量更新的伪标签训练模型(公式(3)-(4))通过减少错误积累提供了更稳定的训练信号,而不是使用熵最小化(2)。然而,使用未经过滤的伪标签(PL)提供的标签不可靠,我们发现伪标签过滤(PLF)[15]的表现优于PL,这表明噪声过滤(公式(5))如预期地改善了学生的结果。最后,我们的TTA-COPE在半监督和无监督设置下在所有TTA基线中实现了最先进的性能(SOTA)。

翻译 Table 3 summarizes results for the different design testtime adaptation TTA baselines in semi-supervised and unsupervised settings TENT 42 has been designed for general unsupervised settings but

原文地址: http://www.cveoy.top/t/topic/hQJm 著作权归作者所有。请勿转载和采集!

免费AI点我,无需注册和登录