Contrastive Test-Time Adaptation 是 CVPR2022 论文
Test-time adaptation是在target数据上进行领域自适应的方法,而且没有source数据参与。
https://github.com/DianCh/AdaContrast.
这篇论文有代码,是对比学习和SHOT的融合。
self-learning 和 SHOT 的融合,接下来需要详细看看。
文章的亮点
第一条线,使用弱增强数据,没有反梯度优化,直接聚类。
第二条线,使用了self-learning and contrastive leanring, 不断优化特征,帮助target model 特征优化。
使用了两个强增强的q,k 的对比优化,同时兼顾了自训练。
第三条线,希望聚类得到的标签,进化后的模型的预测值能够一致。