CVPR 2023 中的领域适应: 一种免反向传播的 TTA 语义分割方法

CVPR 2023 中的领域适应: 一种免反向传播的 TTA 语义分割方法

目录

• 前言
• DIGA 概述
• Distribution Adaptation Module (DAM)
• Semantic Adaptation Module (SAM)
• Classifier Association
• 实验
• 总结
• 参考

前言

我们已经介绍过两篇关于 TTA 的工作，可以在 GiantPandaCV 公众号中找到，分别是：

• Continual Test-Time 的领域适应
• CVPR 2023 中的领域适应: 通过自蒸馏正则化实现内存高效的 CoTTA

推荐对领域适应不了解的同学先阅读前置文章。目前的 TTA 方法针对反向传播的方式可以大致划分为：

之前介绍过的 CoTTA 可以属于 Fully Backward，EcoTTA 划分为 Partial Backward 中的 Meta Network 类别，这次要介绍的方法属于 Backward-Free 中的 BN-B