論文の概要: TTA-DAME: Test-Time Adaptation with Domain Augmentation and Model Ensemble for Dynamic Driving Conditions
- arxiv url: http://arxiv.org/abs/2508.12690v1
- Date: Mon, 18 Aug 2025 07:48:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-19 14:49:11.066372
- Title: TTA-DAME: Test-Time Adaptation with Domain Augmentation and Model Ensemble for Dynamic Driving Conditions
- Title（参考訳）: TTA-DAME:動的運転条件に対するドメイン拡張とモデルアンサンブルによるテスト時間適応
- Authors: Dongjae Jeon, Taeheon Kim, Seongwon Cho, Minhyuk Seo, Jonghyun Choi,
- Abstract要約: テスト時間適応(TTA)は、モデルが動的に適応し、ターゲットドメインのシフトに対して最適に実行する必要がある、という課題を提起する。
このタスクは、気象領域のシフトが頻繁に起こる現実世界の運転シーンで特に強調されている。
提案手法であるTTA-DAMEは,ターゲットドメインへのソースドメインデータ拡張を利用する。
- 参考スコア（独自算出の注目度）: 16.21503135588123
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Test-time Adaptation (TTA) poses a challenge, requiring models to dynamically adapt and perform optimally on shifting target domains. This task is particularly emphasized in real-world driving scenes, where weather domain shifts occur frequently. To address such dynamic changes, our proposed method, TTA-DAME, leverages source domain data augmentation into target domains. Additionally, we introduce a domain discriminator and a specialized domain detector to mitigate drastic domain shifts, especially from daytime to nighttime conditions. To further improve adaptability, we train multiple detectors and consolidate their predictions through Non-Maximum Suppression (NMS). Our empirical validation demonstrates the effectiveness of our method, showing significant performance enhancements on the SHIFT Benchmark.
- Abstract（参考訳）: テスト時間適応(TTA)は、モデルが動的に適応し、ターゲットドメインのシフトに対して最適に実行する必要がある、という課題を提起する。
このタスクは、気象領域のシフトが頻繁に起こる現実世界の運転シーンで特に強調されている。
このような動的変化に対処するために,提案手法であるTTA-DAMEは,ターゲットドメインへのソースドメインデータ拡張を利用する。
さらに、特に夜間から夜間の領域シフトを緩和するために、ドメイン判別器と特殊なドメイン検出器を導入する。
さらに適応性を向上するため、複数の検出器を訓練し、Non-Maximum Suppression (NMS) を通じて予測を統合する。
本手法の有効性を実証し,Shift Benchmarkの性能向上を示す。
関連論文リスト
- Hybrid-TTA: Continual Test-time Adaptation via Dynamic Domain Shift Detection [14.382503104075917]
継続的テスト時間適応(CTTA)は、制御されたトレーニング環境と実世界のシナリオの間のドメインギャップを埋めるための重要なアプローチとして登場した。
本稿では,最適適応のためのインスタンスワイドチューニング手法を動的に選択する総合的手法であるHybrid-TTAを提案する。
提案手法は,Cityscapes-to-ACDCベンチマークデータセットにおけるmIoUの1.6%改善を実現する。
論文 参考訳（メタデータ） (2024-09-13T06:36:31Z) - Revisiting the Domain Shift and Sample Uncertainty in Multi-source
Active Domain Transfer [69.82229895838577]
Active Domain Adaptation (ADA)は、アノテートするターゲットデータの限られた数を選択することで、新しいターゲットドメインにおけるモデル適応を最大限に向上することを目的としている。
この設定は、複数のソースからトレーニングデータを収集するより実践的なシナリオを無視します。
これは、ADAを単一のソースドメインから複数のソースドメインに拡張する、新しい、挑戦的な知識転送の設定を目標にしています。
論文 参考訳（メタデータ） (2023-11-21T13:12:21Z) - ViDA: Homeostatic Visual Domain Adapter for Continual Test Time Adaptation [48.039156140237615]
目標ドメインの継続的な変更に事前訓練されたモデルを適用するために、連続的なテスト時間適応タスクを提案する。
我々はCTTA用のVisual Domain Adapter (ViDA) を設計し、ドメイン固有知識とドメイン共有知識の両方を明示的に扱う。
提案手法は,CTTAタスクの分類とセグメント化の両方において,最先端の性能を実現する。
論文 参考訳（メタデータ） (2023-06-07T11:18:53Z) - Test-time Adaptation in the Dynamic World with Compound Domain Knowledge
Management [75.86903206636741]
テスト時間適応(TTA)により、モデルは新しい環境に適応し、テスト時間中にパフォーマンスを向上させることができる。
TTAのいくつかの研究は、継続的に変化する環境において、有望な適応性能を示している。
本稿ではまず,複合ドメイン知識管理を用いた堅牢なTTAフレームワークを提案する。
次に、ソースと現在のターゲットドメイン間のドメイン類似性を用いて適応率を変調する新しい正規化を考案する。
論文 参考訳（メタデータ） (2022-12-16T09:02:01Z) - Towards Online Domain Adaptive Object Detection [79.89082006155135]
既存のオブジェクト検出モデルは、トレーニングデータとテストデータの両方が同じソースドメインからサンプリングされていると仮定します。
オンライン設定における対象領域の一般化を適応・改善する新しい統合適応フレームワークを提案する。
論文 参考訳（メタデータ） (2022-04-11T17:47:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。