Tag · 72 篇
测试时自适应
WiTTA-Bench：面向 WiFi 感知的测试时自适应基准
WiTTA-Bench: Benchmarking Test-Time Adaptation for WiFi Sensing
WiFi 感知的 TTA 基准与跨设备配对数据集，为视觉研究者提供了与视觉感知互补的被动感知模态；其揭示的 OTTA 与 TTDA 互补性、以及递归自训练对超参敏感的现象，可直接迁移到视觉 TTA 方法的设计与评测中。
当CLIP看到更多时，它反击得更狠：面向测试时对抗鲁棒性的多视图引导自适应反击
When CLIP Sees More, It Fights Back Harder: Multi-View Guided Adaptive Counterattacks for Test-Time Adversarial Robustness
提出一种免调优的测试时多视图自适应反击框架，通过估计每个视图的损坏程度来软加权反击强度，可直接用于提升CLIP等视觉语言模型在推理阶段对抗攻击的鲁棒性。
ViTPrompt：面向开放词表检测的免训练视觉 token 提示词精炼
ViTPrompt: Training-Free Prompt Refinement with Visual Tokens for Open-Vocabulary Detection
提出一种无需训练、无需反向传播的测试时提示词精炼方法：利用首轮高置信检测结果提取实例感知视觉 token 来增强文本提示词，再通过跨模态解码器进行第二轮推理，同时提升边界框定位与分类置信度，可直接用于开放词表检测器的分布偏移场景。
面向野外世界稳定联邦持续测试时自适应
Towards Stable Federated Continual Test-Time Adaptation in Wild World
为视觉模型在无标签、客户端顺序到达的野外部署场景提供了一套稳定的在线自适应与聚合机制：用最大后验估计把贝叶斯先验注入本地 TTA 以防漂移，再用不确定性门控决定是否把单客户端更新并入全局模型，可直接迁移到跨域分类/分割的持续部署流程中。
迈向低光照理解的泛化表征：当信号恒常性遇上语义增强
Towards Generalized Representations for Low-Light Understanding: When Signal Constancy Meets Semantic Enrichment
把视觉基础模型的语义先验与光照不变信号先验耦合进低光照增强：用并行解码器重建光照不变分量做正则化、用 VFM 自相关图引导对比训练对齐语义空间，再用 CLIP 损失把语义线索注入像素级增强，可作为无真实低光数据下的通用域适应范式迁移到其他退化任务。
面向可泛化AI生成图像检测的图像自适应提示词学习
Towards Generalizable AI-Generated Image Detection via Image-Adaptive Prompt Learning
把提示词从训练后固定改为按测试图像动态生成，并用单样本多视图预测一致性在推理时优化自适应 token，为视觉基础模型在分布外伪造图像上的泛化提供了一套可复用的测试时自适应提示词方案。
黄金子空间：持续测试时自适应中效率与泛化的交汇点
The Golden Subspace: Where Efficiency Meets Generalization in Continual Test-Time Adaptation
把预训练分类器的行空间当作「黄金子空间」，用样本级平均梯度外积（AGOP）在线估计它，再用轻量适配器把特征投影进去——这套做法可以迁移到任何需要在无源数据、分布偏移下在线更新特征的视觉模型（检测、分割、BEV 感知），且只学一个紧凑缩放向量，几乎不增加推理开销。
通过多标签原型增长和双线索一致性的测试时自我-他人中心适应用于动作预测
Test-time Ego-Exo-centric Adaptation for Action Anticipation via Multi-Label Prototype Growing and Dual-Clue Consistency
提出测试时自适应框架，利用多标签原型增长和双线索一致性，在无需目标域数据训练的情况下实现跨视角动作预测，可复用于其他存在域偏移的视频理解任务。
通过几何内点判别实现激光雷达语义分割在损坏下的测试时训练
Test-Time Training for LiDAR Semantic Segmentation under Corruption via Geometric Inlier Discrimination
提出几何内点判别（GeoID）作为自监督辅助任务，通过注入合成离群点并区分几何一致的内点来驱动测试时训练，可复用于其他3D感知任务在分布偏移下的自适应。
面向视觉-语言-动作模型的延迟反馈测试时扰动调优
Test-Time Perturbation Tuning with Delayed Feedback for Vision-Language-Action Models
对做视觉-语言-动作模型的研究者，这篇给出了一个无需微调基座模型、无需额外验证器的测试时自适应流程：用基于不确定性的数据增强加动作投票抑制动作与实体间的伪相关，再用延迟反馈驱动的轻量扰动模块校正动作 logits 的过度自信，可直接迁移到机器人操作策略的部署阶段。
面向开放词表遥感图像分割的测试时多提示词自适应
Test-Time Multi-Prompt Adaptation for Open-Vocabulary Remote Sensing Image Segmentation
提出一种即插即用的测试时多提示词自适应方法，利用大语言模型生成上下文感知的类别描述，并通过视觉引导的测试时自适应策略和熵最小化像素级损失优化提示词表示，可灵活集成到现有开放词表分割方法中提升性能。
测试时实例特定参数组合：自适应生成建模的新范式
Test-Time Instance-Specific Parameter Composition: A New Paradigm for Adaptive Generative Modeling
在推理前一次性生成输入条件化的权重增量并注入预训练生成模型，为视觉生成模型提供免微调的逐样本自适应手段，可直接用于轻量化/量化扩散模型的质量补偿与测试时扩展。
测试时三维占用预测
Test-Time 3D Occupancy Prediction
利用视觉基础模型在测试时增量构建并优化3D高斯，再体素化为任意分辨率的占用预测，无需训练即可实现开放词表识别，为动态场景理解提供免训练、可适配的3D表示方案。
TTRV：面向视觉语言模型的测试时强化学习
TTRV: Test-Time Reinforcement Learning for Vision Language Models
把 GRPO 式的强化学习从训练阶段搬到推理阶段：对每个测试样本多次采样，用基座模型输出频率构造奖励，并加入经验分布熵正则控制多样性，从而在无任何标注的情况下在线提升 VLM 的识别与 VQA 表现，可直接复用于任意现成 LVLM 的测试时增强。
TTP：面向视觉语言模型对抗检测与鲁棒自适应的测试时填充
TTP: Test-Time Padding for Adversarial Detection and Robust Adaptation on Vision-Language Models
对做 CLIP 类视觉语言模型鲁棒性的人，这篇给出了一个无需重训的推理期防御范式：用空间填充前后 CLIP 特征的余弦相似度漂移做对抗检测，并对检测出的对抗样本用可训练填充修复注意力模式，可直接套用到自己的 VLM 安全部署流程中。
TTL：面向预训练视觉语言模型 OOD 检测的测试时文本学习
TTL: Test-time Textual Learning for OOD Detection with Pretrained Vision-Language Models
把 CLIP 的可学习 prompt 在无标签测试流上做在线更新，并用伪标签筛选与文本知识库做跨批次分数校准，可直接迁移到任何需要测试时分布漂移检测的视觉流水线（如开放世界分类、异常检测）。
TanGo：面向医学图像泛化的分布级基础先验一致性与实例级风格校准学习
TANGO: Learning Distribution-wise Foundation Prior Consistency and Instance-wise Style Calibration for Medical Image Generalization
把冻结的视觉基础模型编码器中的低频稳定表征作为分布级先验来约束源模型的特征分布，并用可学习的数据装饰器把测试图像拉回增强后的源域分布——这套「基础模型先验 + 实例级风格校准」的组合可直接迁移到其他面临域偏移的密集预测任务（如跨中心分割、跨域检测）。
TALON：面向在线类别发现的测试时自适应学习
TALON: Test-time Adaptive Learning for On-the-Fly Category Discovery
把测试时自适应从「只调分类器」扩展到「同时更新语义原型与编码器参数」，为开放世界视觉任务中在线吸收新类别提供了可复用范式；其 margin-aware logit 校准思路也可迁移到任何需要为未来类别预留嵌入空间的长尾/增量识别场景。
选择性、正则化与校准：利用视觉基础模型进行跨域少样本语义分割
Selective, Regularized, and Calibrated: Harnessing Vision Foundation Models for Cross-Domain Few-Shot Semantic Segmentation
对做分割的人，这篇给出了一个在冻结 VFM 特征上做测试时适配的完整范式：用数据相关的 Exemplar Transfer Risk 自动挑层、再用先验引导正则化与像素级校准修正交互图，且只微调不到 2.7% 参数，可直接迁移到其他少样本/跨域密集预测任务。
看见、说出、理清：面向 LVLM 视觉接地多模态推理的迭代式免训练框架
See It, Say It, Sorted: An Iterative Training-Free Framework for Visually-Grounded Multimodal Reasoning in LVLMs
提出一种免训练、即插即用的测试时逐步视觉证据监督机制：构建文本化视觉证据池，并用视觉决策模块按推理上下文动态补充证据，可直接套用到任意 LVLM 骨干上抑制多模态思维链中的视觉幻觉传播，无需 RL 微调。
通过自批判推理框架扩展视觉语言模型的测试时鲁棒性
Scaling Test-Time Robustness of Vision-Language Models via Self-Critical Inference Framework
提出自批判推理框架，通过多轮文本与视觉扰动的反事实推理提升LVLM鲁棒性，并引入动态鲁棒性基准DRBench，为视觉语言模型的可靠性评估与测试时增强提供可复用方法。
STAR：测试时自适应可增强视觉语言模型的通用提示词学习
STAR: Test-Time Adaptation Can Enhance Universal Prompt Learning for Vision-Language Models
提出基于Fisher分数的可分离性感知门控与共轭优化，结合动态记忆库的原型检索来校准OOD检测，为视觉语言模型在无标签且含OOD样本的目标域上进行测试时提示词学习提供了可靠伪标签生成与偏差缓解的通用技术方案。
SIMPACT：利用视觉语言模型的仿真赋能动作规划
SIMPACT: Simulation-Enabled Action Planning using Vision-Language Models
把可微/高效的物理仿真器当作 VLM 的『世界模型』在测试时闭环调用：从单张 RGB-D 快速构建仿真场景，让 VLM 提出动作、观察 rollout 再修正推理，无需额外训练。做具身操作或 VLM 物理常识的研究者可直接复用这一『仿真在环』的推理范式，替代纯文本 CoT 或昂贵的真机试错。
SANER：用于行人去重识别的可切换适配器与非参数增强路由
SANER: Switchable Adapter with Non-parametric Enhanced Routing for Person De-Reidentification
提出可切换适配器与测试时非参数路由，将预训练特征空间解耦为遗忘与保留子空间，为行人重识别中的选择性遗忘提供可复用方案。
SAGE：面向隐私约束下跨域语义分割的风格自适应泛化框架
SAGE: Style-Adaptive Generalization for Privacy-Constrained Semantic Segmentation Across Domains
在模型权重冻结、无法微调的黑盒设定下，用输入级视觉提示词做域泛化：先以风格迁移构造覆盖广的风格表征库，再按每张输入的视觉上下文动态融合成提示词，为视觉研究者提供了一条不碰骨干网络即可对齐跨域特征分布的思路，可直接迁移到分割、检测等密集预测任务的隐私受限部署场景。
检索与分割：少量示例足以弥合开放词表分割中的监督差距吗？
Retrieve and Segment: Are a Few Examples Enough to Bridge the Supervision Gap in Open-Vocabulary Segmentation?
提出检索增强的测试时适配器，通过融合文本与视觉支持特征学习轻量级逐图像分类器，为开放词表分割提供可复用的少样本融合思路，并支持支持集持续扩展与个性化分割。
渲染即适配：面向视线估计的无监督个性化适配
Render-to-Adapt: Unsupervised Personal Adaptation for Gaze Estimation
把「用渲染器合成图像、再以预测结果作为伪标签做自监督」这套闭环，用于单用户少样本无标签的模型校准；做视线/头部姿态等细粒度人脸任务的人，可以直接把 R2A 的渲染-一致性信号搬到自己的个性化适配上，替代容易在单用户上失效的 UDA。
面向不配对测试时分布外文本-图像到视频生成的推理扩散模型
Reasoning Diffusion for Unpaired Test Time Out-of-distribution Text-Image to Video Generation
ReasonDiff 利用多模态 LLM 为不配对文本-图像输入生成逐帧叙事，并通过 AlignFormer 的多阶段时序锚框注意力预测帧级潜变量，为视频扩散模型提供结构化引导，可复用于需要跨模态时序推理的视频生成任务。
ReaGEN：面向高效多模态推理的自适应结构化思维链生成
ReaGEN: Adaptive Generation of Structured Chains-of-Thought for Efficient Multimodal Reasoning
对做多模态推理的视觉研究者，这篇给出了一个可复用的思路：用 VLM 内部注意力信号衡量推理各阶段的重要性，并训练一个轻量生成器动态产出问题自适应的思维链结构，从而以单路径开销获得多路径搜索的灵活性；可直接嵌入自托管 LVLM 的推理流程以替代昂贵的测试时搜索。
PointTPA：面向3D场景理解的动态网络参数自适应
PointTPA: Dynamic Network Parameter Adaptation for 3D Scene Understanding
提出一种测试时参数自适应框架，通过序列化邻域分组和动态参数投影器为点云场景生成输入感知的骨干网络权重，可复用于其他3D场景理解任务的轻量级自适应。
PR-MaGIC：通过掩码解码器梯度流进行提示词精炼的上下文分割
PR-MaGIC: Prompt Refinement Via Mask Decoder Gradient Flow For In-Context Segmentation
提出一种无需训练的测试时提示词精炼框架，利用 SAM 掩码解码器的梯度流优化提示词，可无缝集成到现有上下文分割方法中，提升分割质量。
Online3R：基于几何基础模型的在线学习一致序列重建
Online3R: Online Learning for Consistent Sequential Reconstruction Based on Geometry Foundation Model
将轻量可学习视觉提示注入冻结的几何基础模型，并通过局部-全局自监督一致性约束在测试时在线更新，为视觉中的序列重建提供了一种无需真值的高效自适应方案。
OccAny：广义无约束城市三维占用
OccAny: Generalized Unconstrained Urban 3D Occupancy
OccAny 将视觉几何基础模型适配到城市场景的度量占用预测，并引入分割强制和新视角渲染实现测试时视图增强，为无标定场景下的三维占用补全提供了可复用的框架。
ORION：面向通用 VLM 适配的正交文本编码
ORION: ORthonormal Text Encoding for Universal VLM AdaptatION
把文本编码器的类别原型当作可优化对象，用低秩适配加正交性损失在仅有类名的条件下重塑 CLIP 文本嵌入，可直接替换下游零样本/少样本/测试时自适应流程中的手工 prompt 原型，是一种即插即用的分类头改进手段。
测试时自适应中的神经坍缩
Neural Collapse in Test-Time Adaptation
把神经坍缩推广到样本级（NC3+），指出域偏移下性能下降源于样本级特征-分类器错位，并据此设计混合目标（几何邻近+预测置信度）来重对齐特征与分类器权重，可直接嵌入现有 TTA 流程（如 Tent）提升 OOD 鲁棒性。
通过自适应概率高斯校准的多模态测试时自适应
Multi-modal Test-time Adaptation via Adaptive Probabilistic Gaussian Calibration
把类别条件分布显式建模成概率高斯模型，并用对比式非对称校正来抵消模态间分布不对称，这套思路可直接迁移到视觉-语言模型在推理阶段的分布偏移自适应，尤其是需要可靠决策边界的开放场景。
面向测试时自适应分割的原型混合专家
Mixture of Prototypes for Test-time Adaptive Segmentation
把类别原型聚类成多个域专家并用门控网络按实例-专家相关性加权，配合最小化预测熵、最大化专家选择熵的门控优化，可直接迁移到任何需要测试时自适应的分割或密集预测模型上。
记忆很重要：用可学习查找表提升免训练零样本时序动作定位
Memory Matters: Boosting Training-Free Zero-Shot Temporal Action Localization with a Learnable Lookup Table
把跨视频的历史知识以可学习查找表的形式累积起来，替代逐视频独立的测试时自适应，可直接迁移到其他免训练 VLM 视频/图像任务（如零样本动作识别、开放词表检测）中做在线记忆增强。
MemFlow：面向快速域自适应特征映射的轻量前向记忆框架
MemFlow: A Lightweight Forward Memorizing Framework for Quick Domain Adaptive Feature Mapping
用冻结骨干网络加随机连接脉冲神经元的前向记忆机制替代反向传播微调，为视觉模型在边缘设备上做在线域自适应提供了一条无需梯度的快速路径，可直接用于测试时自适应场景。
MedLIME：面向医学显著性解释的分布对齐与证据支持框架
MedLIME: A Distribution-Aligned and Evidence-Supported Framework for Medical Saliency Explanations
在无法访问模型内部的白盒条件下，用生成式重建替代 LIME 的随机扰动、并用监督式测试时自适应校准掩码分布，可迁移到任意黑盒医学影像模型的病灶定位与显著性解释评估（AUPRC）。
Mamba 的上下文学习：面向多任务点云理解的结构感知域泛化
Mamba Learns in Context: Structure-Aware Domain Generalization for Multi-Task Point Cloud Understanding
用基于质心拓扑与测地曲率连续性构造的变换不变序列化替代坐标驱动的序列化，可缓解 Mamba 类点云模型对视角变化与缺失区域的敏感性；其谱域图对齐在测试时无需更新参数即可把目标特征拉向源原型，是一种可直接复用的测试时特征迁移手段。
用于视频分割的实时交互式训练
Live Interactive Training for Video Segmentation
LIT-LoRA 在推理时利用用户修正在线更新轻量 LoRA 模块，使视频分割模型能持续适应同一视频中的目标外观变化，为交互式视觉工具提供了一种低开销的在线自适应范式。
LLMind：受生物启发的免训练自适应视觉表征用于视觉语言模型
LLMind: Bio-inspired Training-free Adaptive Visual Representations for Vision-Language Models
在紧像素预算下，用莫比乌斯参数化的非均匀采样替代 VLM 的均匀视觉编码，并通过测试时自适应的闭环语义反馈把采样密度对齐到文本查询的显著区域；这套即插即用的前端可直接复用于任何冻结 VLM 的高分辨率或长视频输入压缩。
LATA：面向医学视觉语言模型保形不确定性的拉普拉斯辅助传导式自适应
LATA: Laplacian-Assisted Transductive Adaptation for Conformal Uncertainty in Medical VLMs
把保形预测的预测集效率与类别条件覆盖率差距作为可靠性指标，用图像 kNN 图上的 CCCP 均值场传导式平滑在无标签、无训练条件下收紧零样本 VLM 的预测集，可直接迁移到任何需要带覆盖保证的不确定性输出的视觉识别流程。
InsCal：面向目标检测的校准式多源全测试时提示词调优
InsCal: Calibrated Multi-Source Fully Test-Time Prompt Tuning for Object Detection
把测试时提示词调优从分类扩展到文本驱动的开放词表检测器，并用实例级校准修正熵最小化带来的误校准，可直接用于跨域检测的免训练适配。
面向持续测试时分割的双曲原型学习与不确定性感知一致性
Hyperbolic Prototype Learning with Uncertainty-Aware Consistency for Continual Test-Time Segmentation
把语义分割的特征空间从欧氏空间换到 Poincaré 球做原型学习，用双曲体积指数增长换取更大的类间间隔；配合按跨视角一致性把像素分成 core/boundary 两组、分别用测地距离最小化和双曲方向一致性损失约束，是可直接迁移到其他 CTTA/域偏移分割流程的即插即用模块。
HierUQ：面向退化图像分类的自适应粒度协调分层不确定性量化
HierUQ: Hierarchical Uncertainty Quantification with Adaptive Granularity Reconciliation for Degraded Image Classification
针对低质量/退化图像，用基于标签平滑与 proper scoring rule 的分层不确定性量化，配合置信度不足时回退到高层节点的路径调整机制，可作为视觉模型在分布偏移下做可靠预测与拒识的通用手段。
Fed-ADE：分布偏移下联邦后自适应的自适应学习率
Fed-ADE: Adaptive Learning Rate for Federated Post-adaptation under Distribution Shift
为视觉模型部署后的无标签在线自适应提供了一套按客户端、按时间步动态调节学习率的机制：用预测不确定性的变化与特征漂移来估计分布偏移强度，可直接迁移到视觉模型在非平稳数据流上的持续测试时自适应，避免固定学习率导致的欠拟合或发散。
FastRef：面向少样本工业异常检测的快速原型精炼
FastRef: Fast Prototype Refinement for Few-shot Industrial Anomaly Detection
把推理阶段的查询特征通过可优化传输矩阵做线性重构，并用最优传输约束抑制异常重构，这套「测试时原型精炼」思路可直接迁移到任何基于原型的少样本检测/分割流程中，无需重训练即可提升表征代表性。
FOZO：面向测试时自适应的纯前向零阶提示词优化
FOZO: Forward-Only Zeroth-Order Prompt Optimization for Test-Time Adaptation
提供了一种无需反向传播、仅靠前向计算与零阶梯度估计即可在测试时优化提示词的方案，可直接用于低端设备或 INT8 量化模型上的在线域适应，避免修改模型权重。
能量波动化与再分配用于测试时自适应：一个控制系统的视角
Energy Waveify and Redistribution for Test-Time Adaptation: A Control System Perspective
用复值波函数与概率流守恒替代朗之万/蒙特卡洛迭代采样来更新能量模型，可作为一种免随机采样的测试时自适应模块，直接插入依赖能量模型的视觉分类或分割流程中以降低自适应延迟。
ELITE：通过学习式初始化与测试时生成自适应从单目视频高效构建高斯头部化身
ELITE: Efficient Gaussian Head Avatar from a Monocular Video via Learned Initialization and Test-time Generative Adaptation
用前馈 Mesh2Gaussian 先验模型快速初始化高斯头部化身，再用渲染引导的单步扩散增强器在测试时补全细节，为单目视频化身合成提供了「3D 先验初始化 + 2D 生成微调」的高效范式，可直接迁移到其他可动画高斯化身或人体重建任务。
Dynamics：基于语言从视频推断刚体动力学的表示方法
Dynamics: Language-Based Representation for Inferring Rigid-Body Dynamics From Videos
将语言作为刚体动力学的统一表示，利用光流作为语义无关输入增强泛化，并通过测试时采样和进化搜索提升物理参数推断精度，为视觉物理推理提供了新范式。
面向视觉语言模型测试时自适应的动态 Logits 调整与探索
Dynamic Logits Adjustment and Exploration for Test-Time Adaptation in Vision Language Models
针对 VLM 测试时自适应中熵过滤只取高置信样本、继承类别偏置的问题，提出用测试预测统计动态校准 logits，并用一致性引导的探索缓存主动纳入决策边界附近样本；这套「logit 校准 + 边界探索缓存」可直接迁移到 CLIP 类模型的在线部署与分布偏移场景。
面向多目标跟踪的双层适应：从经验与直觉构建测试时校准
Dual-level Adaptation for Multi-Object Tracking: Building Test-Time Calibration from Experience and Intuition
把 TTA 从逐帧适应扩展到跨帧、跨视频的时序与身份关联层面：用瞬时记忆做快速关联预测，再用历史测试视频积累的经验对预测做再校准，可直接迁移到任何在线跟踪器（如 ByteTrack、BoT-SORT）的推理阶段以缓解外观/运动/类别分布漂移。
面向一体化图像复原的退化一致性测试时自适应
Degradation-Consistent Test-Time Adaptation for All-in-One Image Restoration
把「同一场景的多种退化版本应映射到同一干净图像」作为自监督一致性约束，配合扩散生成器合成伪退化-干净对，为图像复原模型在测试时做无源域自适应提供了可复用的伪监督构造思路；其按退化敏感性选择参数更新的策略也可迁移到其他复原/增强模型的稳定微调。
解耦稳定性与可塑性以实现多模态测试时自适应
Decoupling Stability and Plasticity for Multi-Modal Test-Time Adaptation
针对多模态模型在测试时分布漂移下的适配，提出用特征维度间冗余度诊断偏置模态，并对各模态适配器做稳定/可塑解耦的非对称更新；做视觉-语言模型在线部署或跨域适配时，可直接复用该诊断信号与解耦适配器结构来抑制负迁移与灾难性遗忘。
DDiT：面向高效扩散 Transformer 的动态图像块调度
DDiT: Dynamic Patch Scheduling for Efficient Diffusion Transformers
把 DiT 固定的图像块划分换成随去噪时间步与内容复杂度变化的动态图像块尺寸，是一种无需训练、即插即用的推理加速手段，可直接套用到 FLUX、Wan 等基于 Transformer 的扩散生成模型上，在几乎不损失生成质量的前提下减少 token 数量。
面向显存高效测试时自适应的曲率感知零阶优化
Curvature-Aware Zeroth-Order Optimization for Memory-Efficient Test-Time Adaptation
用仅前向的零阶梯度估计替代反向传播来做测试时自适应，并借助对角 Hessian 的滑动平均构造各向异性扰动协方差，为显存受限的端侧视觉模型提供了一条可复用的免 BP 适配路径。
基于多视图渐进自适应的跨域少样本分割
Cross-Domain Few-Shot Segmentation via Multi-view Progressive Adaptation
把「渐进增强 + 多视图预测一致性」作为无标注目标域自适应的通用手段，可直接迁移到其他跨域密集预测任务（如跨域检测、跨域深度估计）的目标域微调阶段。
测试时的可控联邦提示词学习
Controllable Federated Prompt Learning at Test Time
对做 CLIP 类视觉语言模型落地的人来说，这篇给出了一个测试时无需标签、仅靠置信度与模型-数据对齐指标动态加权全局/个性化/冻结三种提示词的方案，可直接迁移到跨域部署时的提示词自适应。
面向动作识别的 VLM 精简测试时自适应
Condensed Test-Time Adaptation of VLMs for Action Recognition
提出免训练的 ConDA 适配器，用视觉-文本对齐的概率做语义图像块筛选，再按图像块级视觉相似度构建时空管，绕开记忆缓存两步模态映射链的非传递性问题；做视频 VLM 下游适配时可直接复用这套「文本引导视觉聚合」的免训练流程。
CD-Buffer：面向恶劣天气目标检测测试时自适应的互补双缓冲框架
CD-Buffer: Complementary Dual-Buffer Framework for Test-Time Adaptation in Adverse Weather Object Detection
提出以特征级域偏移度量为驱动的减法（去除域敏感通道）与加法（轻量特征精炼）双缓冲耦合机制，可即插即用地用于任意检测器在恶劣天气下的在线自适应，为处理不同严重程度分布偏移提供了按通道自适应平衡的通用思路。
通过蒸馏辅助的测试时自适应引导视频语义分割模型
Bootstrapping Video Semantic Segmentation Model via Distillation-assisted Test-Time Adaptation
将图像语义分割模型通过蒸馏 SAM2 的时序知识并配合轻量时序融合模块，在测试时自适应为视频语义分割模型，为无标注视频分割提供可复用范式。
自举多视图学习以应对测试时噪声对应
Bootstrapping Multi-view Learning for Test-time Noisy Correspondence
针对推理阶段跨视图异步采样导致的错配，BML 用可控噪声增强构造训练集并训练轻量估计器输出可靠性权重来调制融合，可直接迁移到多传感器/多模态融合（如 RGB-深度、多相机 BEV）在部署时出现错配的鲁棒融合环节。
面向基的低秩迁移用于少样本与测试时自适应
Basis-Oriented Low-rank Transfer for Few-Shot and Test-Time Adaptation
BOLT 提供了一种无需元训练、仅利用多个任务向量构造正交低秩基的迁移方法，视觉研究者可将其用于少样本或测试时快速适配新任务，尤其适合在已有多个微调模型（如不同数据集上的 ViT）时复用其知识。
回归源头：通过域补偿实现开放集持续测试时自适应
Back to Source: Open-Set Continual Test-Time Adaptation via Domain Compensation
把「域补偿提示词」作为可复用手段：仅用疑似 ID 样本对齐源域特征统计（一阶/二阶矩）来学习提示词，再传播到同批次 OOD 样本上，从而在持续变化的域中同时稳住分类与 OOD 检测；做测试时自适应或开放集部署时可直接借用这套样本拆分+提示词传播的闭环。
解剖域偏移：面向三维人体姿态预测的测试时异构自适应
Anatomical Domain Shifts: Test-time Heterogeneous Adaptation for 3D Human Pose Prediction
把测试时自适应的参数更新按人体解剖部位（躯干、四肢等）分组，用 Fisher 信息矩阵划分参数子集、用 IN 统计量与 EMD 度量各部位的域偏移程度，从而只对发生偏移的肢体做微调或回滚——这套「按语义部位分组 + 分组级域差异度量」的思路可直接迁移到人体姿态/动作预测、人体网格恢复等任务中应对局部域偏移。
通过多模态贝叶斯分布学习实现点云分析自适应
Adapting Point Cloud Analysis via Multimodal Bayesian Distribution Learning
把每个类别的文本先验与流式视觉特征都建模为高斯分布，用贝叶斯模型平均按后验证据自动加权融合，替代 cache 式 TTA 的启发式 logit 融合，可直接迁移到点云分类/分割等任务在分布偏移下的在线自适应。
激活很重要：面向视觉语言模型 OOD 检测的测试时激活负标签
Activation Matters: Test-time Activated Negative Labels for OOD Detection with Vision-Language Models
对做开放世界视觉识别的人，这篇给出了一个免训练、测试时在线挖掘高激活负标签的 OOD 检测流程：用测试样本在语料标签上的累积分配概率构造标签激活指标，并配合激活感知打分函数，可直接插到 CLIP 类 VLM 的零样本推理管线上，替代固定的远距离负标签集合。
AcTTA：通过动态激活重新审视测试时自适应
AcTTA: Rethinking Test-Time Adaptation via Dynamic Activation
把激活函数（ReLU/GELU）重参数化为可学习的阈值偏移与梯度敏感度调制，在测试时只更新这组极少量参数即可应对域偏移，为视觉模型部署时提供了一种比调归一化层更轻量、无需源数据的 TTA 手段。
ANTS：通过测试时 MLLM 理解与推理实现 OOD 检测的自适应负文本空间塑造
ANTS: Adaptive Negative Textual Space Shaping for OOD Detection via Test-Time MLLM Understanding and Reasoning
把 MLLM 当作测试时的『负空间生成器』：缓存疑似 OOD 图像与视觉相似的 ID 类，用提示词让 MLLM 分别生成描述性负句和近邻负标签，再用自适应加权分数融合，可直接迁移到任何基于 CLIP 式文本空间的 OOD 检测或开放词表识别流程中，且无需训练。