我們已經(jīng)介紹過兩篇關于 TTA 的工作，可以在 GiantPandaCV 公眾號中找到，分別是：

Continual Test-Time 的領域適應

CVPR 2023 中的領域適應: 通過自蒸餾正則化實現(xiàn)內存高效的 CoTTA

推薦對領域適應不了解的同學先閱讀前置文章。目前的 TTA 方法針對反向傳播的方式可以大致劃分為：

請?zhí)砑訄D片描述

之前介紹過的 CoTTA 可以屬于 Fully Backward，EcoTTA 劃分為 Partial Backward 中的 Meta Network 類別，這次要介紹的方法屬于 Backward-Free 中的 BN-Based 和 Prototype-Based 的混合。下圖是一些 TTA 語義分割方式的比較，在（a）中是最樸素的重新做反向傳播優(yōu)化目標域模型梯度的方法，效率低，存在誤差積累，且會導致長期遺忘。（b）是直接用每個實例的統(tǒng)計數(shù)據(jù)替代源統(tǒng)計數(shù)據(jù)（通過修改 Instance Normalization），但由于丟棄了基本的源知識，因此對目標變化非常敏感，導致不穩(wěn)定。（c）研究了通過實例統(tǒng)計數(shù)據(jù)以固定動量或動態(tài)波動動量更新歷史統(tǒng)計數(shù)據(jù)的影響（相當于（b）的集群），然而，這種方法也容易受到誤差積累的影響。（d）表示這篇工作提出的方法，主要思想是以非參數(shù)化的方式利用每個實例來動態(tài)地進行自適應，這種方法既高效又能在很大程度上避免誤差積累問題。具體來說，計算 BN 層中源統(tǒng)計數(shù)據(jù)和當前統(tǒng)計數(shù)據(jù)的加權和，以適應目標分布，從而使模型獲得更健壯的表示，還通過將歷史原型與實例級原型混合構建動態(tài)非參數(shù)分類頭。

下面看下具體實現(xiàn)。

DIGA 概述

TTA 在語義分割中的應用，效率和性能都至關重要?，F(xiàn)有方法要么效率低（例如，需要反向傳播的優(yōu)化），要么忽略語義適應（例如，分布對齊）。此外，還會受到不穩(wěn)定優(yōu)化和異常分布引起的誤差積累的困擾。為了解決這些問題，這篇工作提出了不需反向傳播優(yōu)化的 TTA 語義分割方法，被叫做稱為動態(tài)實例引導自適應（DynamicallyInstance-Guided Adaptation, DIGA）。DIGA 的原則是以非參數(shù)化的方式利用每個實例動態(tài)引導其自身的適應，從而避免了誤差累積問題和昂貴的優(yōu)化成本（內存）。具體而言，DIGA 由分布適應模塊（DAM）和語義適應模塊（SAM）組成。DAM 將實例和源 BN 層統(tǒng)計信息混合在一起，以鼓勵模型捕獲不變的表示。SAM 將歷史原型與實例級原型結合起來調整語義預測，這可以與參數(shù)化分類頭相關聯(lián)。具體細節(jié)在后文介紹。

DAM 和 SAM 兩者都由實例感知信息引導。如下圖所示，給定一個測試樣本，首先將其輸入到源預訓練模型中，并通過 DAM 在每個 BN 層進行分布對齊。分布對齊是通過加權求和源統(tǒng)計和實例統(tǒng)計來實現(xiàn)的。之后，通過 SAM 在最后的特征層級上進行語義適應，通過加權混合歷史原型和實例感知原型來構建一個動態(tài)非參數(shù)化分類頭。這使我們能夠調整語義預測。最后，我們利用原始參數(shù)化分類頭和動態(tài)非參數(shù)化分類頭之間的相互優(yōu)勢獲得最終的預測結果。

請?zhí)砑訄D片描述

Distribution Adaptation Module (DAM)

調整分布可以提高跨域測試性能，由于訓練數(shù)據(jù)有限和反向傳播成本高，最常見的方法是對抗訓練和分布差距最小化，但是不適合 TTA 任務。通常 BN 層中各域之間的靜態(tài)不匹配是跨域測試性能下降的主要原因。BN 層是使用可訓練參數(shù) gamma 和 beta 進行縮放和移動。對于每個 BN 層，給定輸入特征表示 F，相應的輸出由以下公式給出：

E[F] 和 Var[F] 分別代表輸入特征 F 的期望值和方差。在實踐中，由于批次訓練過程，它們的值通過 running mean 在訓練期間計算：

所以，有一種方法源域的 running mean 的最后一個值被凍結，用作測試階段測試數(shù)據(jù)的預期值和方差的估計。但是，源統(tǒng)計信息仍會嚴重影響性能。還有一種方法提出了一種動態(tài)學習模塊，將 BN 層的統(tǒng)計信息 γ、β 調整為目標域（更新 γ、β）。盡管該方法具有高效性，但其性能仍然不理想?？赡艿脑蛑皇悄Ｐ透滤俾释ǔ］^小，并且在每個實例評估過程中沒有充分考慮實例級別的信息。

所以 DAM 考慮到了利用實例級別的信息。DAM 不是直接更新 γ、β，而是通過動態(tài)地合并（加權求和）源統(tǒng)計信息和實例級別的 BN 統(tǒng)計信息來計算 E[F] 和 Var[F] 的估計值。

其中， 和 是在測試期間使用第 t 個實例計算的均值和方差。

Semantic Adaptation Module (SAM)

DAM 是與類別無關的，如上所述，因為它僅在全局上對特征圖的分布進行調整。然而，對于分割自適應任務來說，類別特定性也很重要，因為即使在同一張圖像中，每個類別的分布也會有很大變化。為了解決這一點，之前的工作提出了兩種直觀的方法，熵最大化和偽標簽。然而，它們都需要基于梯度的反向傳播，因此限制了測試效率，和我們的思路背道而馳。受少樣本學習和域自適應中基于原型的方法（Prototype-Based）的啟發(fā)，引入了用于類別特定自適應的 SAM。具體做法，總結有如下幾步，我們用通俗的話解釋下，至于論文中的公式，也會貼上。

計算 Instance-aware prototypes：

根據(jù)輸入圖像中每個類別的像素，計算其在特征空間中的中心點（prototypes），稱為實例感知原型。這些原型表示了每個類別的特征分布。

通過對不同實例的原型進行平均計算，得到歷史原型。歷史原型是在大量目標實例上計算得到的，具有較高的穩(wěn)定性。

Ensemble historical prototypes:

將歷史原型與實例感知原型進行集成，以進一步提高分類的準確性和穩(wěn)定性。

Cal prototype-based classification result:

使用計算得到的實例感知原型和歷史原型，通過比較輸入像素與原型之間的相似度，進行分類預測。這種基于原型的分類方法可以更好地適應不同類別的變化。

Classifier Association

SAM 本質上是 prototype-based classification。在最后的部分，可以得到兩種類型的預測：一種來自原始的參數(shù)化分類器（p?），另一種來自引入的非參數(shù)原型分類器（p ?）。為了利用它們之間的互補性，DIGA 還是通過加權求和來獲得最終的預測結果，表示為：

實驗

在實驗的部分，我們更關心的是這些組合的有效性。下表是對 DAM 和 SAM 的消融實驗，最后一行表示分類器關聯(lián)。對于 BN 分支和語義分支，都分別比較出最佳和次佳。和直接使用源域模型、其他的 SOTA TTA 方法的可視化比較如下，可以發(fā)現(xiàn)在 cityscapes 上的優(yōu)化效果是最明顯的。

在這里插入圖片描述

總結

這篇工作提出了一種名為動態(tài)實例引導適應（DIGA）的方法來解決 TTA 語義分割問題，該方法兼?zhèn)涓咝院陀行浴IGA 包括兩個適應性模塊，即分布適應模塊（DAM）和語義適應模塊（SAM），兩者均以非參數(shù)方式受實例感知信息引導。此外，這是第三篇關于 TTA 的論文解讀了，后面出現(xiàn)有趣的工作還會繼續(xù)這個系列的。