提高模型泛化能力是推動基于視覺的感知方法落地的重要基礎(chǔ)，測試段訓練和適應(yīng)（Test-Time Training/Adaptation）通過在測試段調(diào)整模型參數(shù)權(quán)重，將模型泛化至未知的目標域數(shù)據(jù)分布段。現(xiàn)有 TTT/TTA 方法通常著眼于在閉環(huán)世界的目標域數(shù)據(jù)下提高測試段訓練性能。

可是，在諸多應(yīng)用場景中，目標域容易受到強域外數(shù)據(jù) (Strong OOD) 數(shù)據(jù)的污染，例如不相關(guān)的語義類別數(shù)據(jù)。在該場景又可稱為開放世界測試段訓練 (OWTTT），在該場景下，現(xiàn)有 TTT/TTA 通常將強域外數(shù)據(jù)強行分類至已知類別，從而最終干擾對如收到噪聲干擾圖像的弱域外數(shù)據(jù)（Weak OOD）的分辨能力。

近日，來自華南理工大學和 A*STAR 團隊首次提出開放世界測試段訓練的設(shè)定，并推出了針對開放世界測試段訓練的方法。

• 論文：https://arxiv.org/abs/2308.09942
• 代碼：https://github.com/Yushu-Li/OWTTT

本文首先提出了一種自適應(yīng)閾值的強域外數(shù)據(jù)樣本過濾方法，提高了自訓練 TTT 方法的在開放世界的魯棒性。該方法進一步提出了一種基于動態(tài)擴展原型來表征強域外樣本的方法，以改進弱 / 強域外數(shù)據(jù)分離效果。最后，通過分布對齊來約束自訓練。

本文的方法在 5 個不同的 OWTTT 基準上實現(xiàn)了最優(yōu)的性能表現(xiàn)，并為 TTT 的后續(xù)研究探索面向更加魯棒 TTT 方法的提供了新方向。研究已作為 Oral 論文被 ICCV 2023 接收。

引言

測試段訓練（TTT）可以僅在推理階段訪問目標域數(shù)據(jù)，并對分布偏移的測試數(shù)據(jù)進行即時推理。TTT 的成功已經(jīng)在許多人工選擇的合成損壞目標域數(shù)據(jù)上得到證明。然而，現(xiàn)有的 TTT 方法的能力邊界尚未得到充分探索。

為促進開放場景下的 TTT 應(yīng)用，研究的重點已轉(zhuǎn)移到調(diào)查 TTT 方法可能失敗的場景。人們在更現(xiàn)實的開放世界環(huán)境下開發(fā)穩(wěn)定和強大的 TTT 方法已經(jīng)做出了許多努力。而在本文工作中，我們深入研究了一個很常見但被忽略的開放世界場景，其中目標域可能包含從顯著不同的環(huán)境中提取的測試數(shù)據(jù)分布，例如與源域不同的語義類別，或者只是隨機噪聲。

我們將上述測試數(shù)據(jù)稱為強分布外數(shù)據(jù)（strong OOD）。而在本工作中被稱為弱 OOD 數(shù)據(jù)則是分布偏移的測試數(shù)據(jù)，例如常見的合成損壞。因此，現(xiàn)有工作缺乏對這種現(xiàn)實環(huán)境的研究促使我們探索提高開放世界測試段訓練（OWTTT）的魯棒性，其中測試數(shù)據(jù)被強 OOD 樣本污染。

圖 1 ：現(xiàn)有的 TTT 方法在 OWTTT 設(shè)定下的評估結(jié)果

如圖 1 所示，我們首先對現(xiàn)有的 TTT 方法在 OWTTT 設(shè)定下進行評估，發(fā)現(xiàn)通過自訓練和分布對齊的 TTT 方法都會受到強 OOD 樣本的影響。這些結(jié)果表明，應(yīng)用現(xiàn)有的 TTT 技術(shù)無法在開放世界中實現(xiàn)安全的測試時訓練。我們將它們的失敗歸因于以下兩個原因。

• 基于自訓練的 TTT 很難處理強 OOD 樣本，因為它必須將測試樣本分配給已知的類別。盡管可以通過應(yīng)用半監(jiān)督學習中采用的閾值來過濾掉一些低置信度樣本，但仍然不能保證濾除所有強 OOD 樣本。
• 當計算強 OOD 樣本來估計目標域分布時，基于分布對齊的方法將會受到影響。全局分布對齊 [1] 和類別分布對齊 [2] 都可能受到影響，并導致特征分布對齊不準確。

考慮到現(xiàn)有 TTT 方法失敗的潛在原因，我們提出了兩種技術(shù)相結(jié)合來提高自訓練框架下開放世界 TTT 的魯棒性。

首先，我們在自訓練的變體上構(gòu)建 TTT 的基線，即在目標域中以源域原型作為聚類中心進行聚類。為了減輕自訓練受到錯誤偽標簽的強 OOD 的影響，我們設(shè)計了一種無超參數(shù)的方法來拒絕強 OOD 樣本。

為了進一步分離弱 OOD 樣本和強 OOD 樣本的特征，我們允許原型池通過選擇孤立的強 OOD 樣本擴展。因此，自訓練將允許強 OOD 樣本圍繞新擴展的強 OOD 原型形成緊密的聚類。這將有利于源域和目標域之間的分布對齊。我們進一步提出通過全局分布對齊來規(guī)范自我訓練，以降低確認偏差的風險。

最后，為了綜合開放世界的 TTT 場景，我們采用 CIFAR10-C、CIFAR100-C、ImageNet-C、VisDA-C、ImageNet-R、Tiny-ImageNet、MNIST 和 SVHN 數(shù)據(jù)集，并通過利用一個數(shù)據(jù)集為弱 OOD，其他為強 OOD 建立基準數(shù)據(jù)集。我們將此基準稱為開放世界測試段訓練基準，并希望這能鼓勵未來更多的工作關(guān)注更現(xiàn)實場景中測試段訓練的穩(wěn)健性。

方法

論文分了四個部分來介紹所提出的方法。

1）概述開放世界下測試段訓練任務(wù)的設(shè)定。

2）介紹了如何通過原型聚類實現(xiàn) TTT 以及如何擴展原型以進行開放世界測試時訓練。

3）介紹了如何利用目標域數(shù)據(jù)進行動態(tài)原型擴展。

4）引入分布對齊與原型聚類相結(jié)合，以實現(xiàn)強大的開放世界測試時訓練。

圖 2 ：方法概覽圖

任務(wù)設(shè)定

TTT 的目的是使源域預訓練模型適應(yīng)目標域，其中目標域可能會相對于源域有分布遷移。在標準的封閉世界 TTT 中，源域和目標域的標簽空間是相同的。然而在開放世界 TTT 中，目標域的標簽空間包含源域的目標空間，也就是說目標域具有未見過的新語義類別。

為了避免 TTT 定義之間的混淆，我們采用 TTAC [2] 中提出的順序測試時間訓練（sTTT）協(xié)議進行評估。在 sTTT 協(xié)議下，測試樣本被順序測試，并在觀察到小批量測試樣本后進行模型更新。對到達時間戳 t 的任何測試樣本的預測不會受到到達 t+k（其 k 大于 0）的任何測試樣本的影響。

原型聚類

受到域適應(yīng)任務(wù)中使用聚類的工作啟發(fā) [3,4]，我們將測試段訓練視為發(fā)現(xiàn)目標域數(shù)據(jù)中的簇結(jié)構(gòu)。通過將代表性原型識別為聚類中心，在目標域中識別聚類結(jié)構(gòu)，并鼓勵測試樣本嵌入到其中一個原型附近。原型聚類的目標定義為最小化樣本與聚類中心余弦相似度的負對數(shù)似然損失，如下式所示。

我們開發(fā)了一種無超參數(shù)的方法來濾除強 OOD 樣本，以避免調(diào)整模型權(quán)重的負面影響。具體來說，我們?yōu)槊總€測試樣本定義一個強 OOD 分數(shù) os 作為與源域原型的最高相似度，如下式所示。

圖 3 離群值呈雙峰分布

我們觀察到離群值服從雙峰分布，如圖 3 所示。因此，我們沒有指定固定閾值，而是將最佳閾值定義為分離兩種分布的的最佳值。具體來說，問題可以表述為將離群值分為兩個簇，最佳閾值將最小化中的簇內(nèi)方差。優(yōu)化下式可以通過以 0.01 的步長窮舉搜索從 0 到 1 的所有可能閾值來有效實現(xiàn)。

動態(tài)原型擴展

擴展強 OOD 原型池需要同時考慮源域和強 OOD 原型來評估測試樣本。為了從數(shù)據(jù)中動態(tài)估計簇的數(shù)量，之前的研究了類似的問題。確定性硬聚類算法 DP-means [5] 是通過測量數(shù)據(jù)點到已知聚類中心的距離而開發(fā)的，當距離高于閾值時將初始化一個新聚類。DP-means 被證明相當于優(yōu)化 K-means 目標，但對簇的數(shù)量有額外的懲罰，為動態(tài)原型擴展提供了一個可行的解決方案。

為了減輕估計額外超參數(shù)的難度，我們首先定義一個測試樣本，其具有擴展的強 OOD 分數(shù)作為與現(xiàn)有源域原型和強 OOD 原型的最近距離，如下式。因此，測試高于此閾值的樣本將建立一個新的原型。為了避免添加附近的測試樣本，我們增量地重復此原型擴展過程。

隨著其他強 OOD 原型的確定，我們定義了用于測試樣本的原型聚類損失，并考慮了兩個因素。首先，分類為已知類的測試樣本應(yīng)該嵌入到更靠近原型的位置并遠離其他原型，這定義了 K 類分類任務(wù)。其次，被分類為強 OOD 原型的測試樣本應(yīng)該遠離任何源域原型，這定義了 K+1 類分類任務(wù)?？紤]到這些目標，我們將原型聚類損失定義為下式。

分布對齊約束

眾所周知，自訓練容易受到錯誤偽標簽的影響。目標域由 OOD 樣本組成時，情況會更加惡化。為了降低失敗的風險，我們進一步將分布對齊 [1] 作為自我訓練的正則化，如下式。

實驗

我們在 5 個不同的 OWTTT 基準數(shù)據(jù)集中進行測試，包括人工合成的損壞數(shù)據(jù)集和風格變化的數(shù)據(jù)集。實驗主要使用了三個評價指標：弱 OOD 分類準確率 ACCS、強 OOD 分類準確率 ACCN 和二者的調(diào)和平均數(shù) ACCH。

表 1 不同方法在 Cifar10-C 數(shù)據(jù)集的表現(xiàn)

表 2 不同方法在 Cifar100-C 數(shù)據(jù)集的表現(xiàn)

表 3 不同方法在 ImageNet-C 數(shù)據(jù)集的表現(xiàn)

表 4 不同方法在 ImageNet-R 數(shù)據(jù)集的表現(xiàn)

表 5 不同方法在 VisDA-C 數(shù)據(jù)集的表現(xiàn)

如上表所示，我們的方法在幾乎所有數(shù)據(jù)集上相較于目前最優(yōu)秀的方法都有比較大的提升，可以有效地識別強 OOD 樣本，并減小其對弱 OOD 樣本分類的影響。我們的方法可以在開放世界的場景下實現(xiàn)更加魯棒的 TTT。

總結(jié)

本文首次提出了開放世界測試段訓練（OWTTT）的問題和設(shè)定，指出現(xiàn)有的方法在處理含有和源域樣本有語義偏移的強 OOD 樣本的目標域數(shù)據(jù)時時會遇到困難，并提出一個基于動態(tài)原型擴展的自訓練的方法解決上述問題。我們希望這項工作能夠為 TTT 的后續(xù)研究探索面向更加魯棒的 TTT 方法提供新方向。