跳到正文
arXiv · 机器人与计算机视觉· Hyeongheon Cha, Young D. Kwon, Sung-Ju Lee·· 2026-10-07AI 评分65

通过单次通量校准器对齐重校准实现量化 ViTs 的测试时自适应

Test-Time Adaptation of Quantized ViTs via Single-Pass Quantizer-Aligned Recalibration

AI 导读

针对量化视觉 Transformer 在分布偏移下的脆弱性,本文提出无需反向传播或更新参数的 QuAR 方法。该方法仅对输入激活进行单次通道统计重校准,将测试流映射回源校准范围。实验显示,QuAR 在 ImageNet-C 上优于最强基线,且在多种精度、非独立同分布标签偏移及多个 out-of-distribution 套件中保持领先,同时显著降低延迟并减少内存开销。

来源:arXiv · 机器人与计算机视觉 · arxiv.org