翻译 5 ConclusionWe have proposed TTA-COPE a test-time adaptation method for category-level object pose estimation that addresses the source-to-target domain shift without accessing source data at tes

5. 结论 我们提出了一种名为TTA-COPE的测试时间自适应方法，用于类别级别的物体姿态估计，该方法在测试时解决了源领域到目标领域的偏移问题，且不需要在测试时访问源数据或有标注的目标数据。具体而言，我们设计了一种姿态集成方法，结合自训练用于测试时间自适应，同时使用师生模型生成鲁棒的伪标签和准确的姿态进行推理。我们探索了几种测试时间自适应基线的局限性，并展示了我们提出的方法达到了最先进的性能。我们通过在半监督和无监督设置下进行广泛的研究，展示了我们提出的姿态集成和自训练损失的优势。

据我们所知，TTA-COPE是第一种尝试解决类别级别物体姿态估计的测试时间自适应方法。由于我们的方法目前主要关注生成6D姿态标签，因此不会影响2D标签和分割模型。在未来的工作中，如果同时考虑2D标签和Mask R-CNN，可能会有更大的性能改进和稳定的测试时间自适应。此外，我们的姿态估计依赖于不可微的姿态估计方法，因此我们可以从可微的姿态估计方法中获益[30]。