持续测试时适配目标检测模型

跨域鲁棒

通过域不变训练与在线适配，实现无需目标域预训练的跨场景鲁棒检测。

Fan, Qi · Segu, Mattia · Schiele, Bernt · Dai, Dengxin · Tai, Yu-Wing · Tang, Chi Keung

International Journal of Computer Vision 2025

技术优势

无需目标域预训练

DIT模块仅用源域数据通过归一化扰动合成多种潜在风格，训练后的模型即使未见过目标域数据也能良好泛化。

在线适应新场景

测试时适应模块在推理过程中持续更新模型，通过弱增强与强增强预测之间的一致性正则化处理内容差异问题。

应用场景

• 自动驾驶目标检测：车辆在多变路况和天气下无需重新训练即可保持检测精度，降低事故风险。
• 机器人视觉：机器人部署到新环境后能利用未标注视频流在线适应，提高操作可靠性。
• 域适应：提供一种同时处理时间和多域偏移的持续适应范式，避免域过拟合。
• 视频监控：监控系统能在光照、视角变化下保持检测能力，减少人工标注需求。