跳到正文
arXiv · ML· Guohao Chen, Shuaicheng Niu, Geng Li, Yunbei Zhang, Shilin Shan, Chunyan Miao, Jianfei Yang·· 10 天前AI 评分30

EVA-0:基于每样本两次前向传播的测试时模型进化框架

EVA-0: Test-Time Model Evolution with Only Two Forward Passes per Sample

AI 导读

EVA-0 提出零阶测试时适应框架,无需反向传播,仅用每样本两次前向传播完成推理与适应。 框架采用尺度不变损失、锚点引导优化及样本级对称双侧扰动,解决捷径解、权重漂移及方向估计问题。 在 ImageNet-C 和 ViT-Base 上,EVA-0 性能优于 DeYO 和 FOA,比 FOA 快 14 倍,代码即将发布。

来源:arXiv · ML · arxiv.org