연속적인 테스트 시간 증강에 대한 효율적인 학습

테스트 시간 증강(TTA)은 추론 시 분포 외 데이터에 대한 강인성을 향상시키기 위한 유망한 도구였습니다. 최근 TTA 방법들은 각 테스트 샘플에서 최고의 성능 향상을 제공하는 예측 변환을 학습하려고 합니다. 그러나 기존 방법들은 각 샘플에 대해 단일 변환을 예측하는 데 제한되거나 변환 예측기의 여러 전방 패스를 요구하여 효율성 측면에서 최적이 아닌 해결책을 초래합니다. 본 논문에서는 연속적인 테스트 시간 증강을 예측하는 새로운 방법을 제안합니다. 이는 처음으로 변환 예측기의 단일 전방 패스만 요구하면서도 원하는 여러 변환을 반복적으로 출력할 수 있습니다. 실험 결과는 우리의 방법이 다양한 손상에 대한 모델 강인성에서 의미 있고 일관된 향상을 제공하며 런타임에서 기존 최첨단 기술을 크게 초월함을 보여줍니다.