Test-Time Adaptation via Cache Personalization for Facial Expression Recognition in Videos
本文提出一种名为 Cache Personalization (TTA-CaP) 的无监督测试时间适应方法，用于视频面部表情识别中通过缓存个性化实现低成本模型适配。该方法利用三个互补缓存（个性化静态缓存、正目标缓存和负目标缓存）及三门控机制来防止缓存污染并提供鲁棒性证据，同时结合嵌入融合支持稳定的视频级预测。在 BioVid、StressID 和 BAH 数据集上的实验表明，TTA-CaP 在主体特定和环境分布偏移下优于最先进的方法，且保持了低计算与内存开销。相关代码已公开于 GitHub 仓库。