리서치 연구
DESA-TTA: Dynamic EMA and Source Anchoring for Test-Time Adaptation
ARarXiv
시각-언어 객체 탐지기(VLOD)가 실제 환경 변화(분포 이동)에 취약하여 성능 저하를 겪는 문제를 해결하기 위해, DESA-TTA라는 새로운 테스트 시간 적응(TTA) 기법을 제안했습니다.
세 줄 요약
- DESA-TTA는 동적 시간 평균화와 소스 앵커링을 결합해 모델 업데이트를 정교하게 제어하며, 기존 최고 성능 대비 AP$_{50}$ 향상과 추론 처리량 개선이라는 성과를 입증했습니다.
- 이 기술은 현장 배포되는 객체 인식 시스템이 실제 환경의 분포 변화에도 안정적으로 작동하도록 보장하여, AI 모델의 신뢰도를 높이는 데 핵심적인 역할을 합니다.
- 기존 Mean-teacher 방식이 가진 고정 계수 의존성과 누적 드리프트 문제를 동시에 해결하는 저부하(low-overhead) 방식을 채택했다는 점을 주목할 필요가 있습니다.
시각-언어 객체 탐지기(VLOD)가 실제 환경 변화(분포 이동)에 취약하여 성능 저하를 겪는 문제를 해결하기 위해, DESA-TTA라는 새로운 테스트 시간 적응(TTA) 기법을 제안했습니다.