Hierarchical Adaptive networks with Task vectors for Test-Time Adaptation
具有任务向量的分层自适应网络用于测试时适应
机构 * School of Computation, Information and Technology, Technical University of Munich（慕尼黑技术大学计算信息学院） ； Institute of Machine Learning in Biomedical Imaging, Helmholtz Munich, Germany（生物医学成像中的机器学习研究所，海德堡慕尼黑，德国） ； School of Biomedical Engineering and Imaging Sciences, King’s College London, UK（国王学院伦敦生物医学工程与成像科学学院，英国） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） ； relAI – Konrad Zuse School of Excellence in Reliable AI（relAI – 卓越可靠AI Konrad Zuse 学院）
AI总结 本文提出Hi-Vec网络，通过分层结构动态选择适应层，融合权重并采用门控机制提升测试时适应性能，验证了其在复杂分布偏移下的鲁棒性和有效性。
Comments WACV 2026
