不同测试时间适应（TTA）基线在目标姿态估计中的性能比较

表3总结了在半监督和无监督设置下不同设计的测试时间适应（TTA）基线的目标姿态估计结果。

TENT [42] 是为一般无监督设置而设计的，但它并非专门针对目标姿态估计任务而设计，因此与其他TTA基线相比，它的整体性能较差。

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，提供了比熵最小化（2）更稳定的训练信号。

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模型的结果。

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）。