arXiv 机器学习· Sabarish G, Deepak Parashar·· 4 小时前AI 评分32
CF-NODE：面向域偏移下测试时自适应的反事实空间节点干预框架
CF-NODE: Counterfactual Spatial Node Intervention for Test-Time Adaptation Under Domain Shift, Evaluated Across Five Diabetic Retinopathy Datasets
AI 导读
研究人员提出用于跨域糖尿病视网膜病变（DR）分级的反事实测试时自适应框架 CF-NODE，在模型完全冻结且不进行模型更新的前提下独立自适应每张单图像。该框架通过对内部空间节点实施受控干预，利用预期分级响应的稳定性校准预测分布。在 5 个外部 DR 数据集评测中，CF-NODE 表现优于 TENT、EATA、SAR 和 T3A，取得了最高的平均 AUC 与 macro-F1。
来源：arXiv 机器学习 · arxiv.org