CanDO：黑盒点云模型测试时规范化方法

2026年10月27日，arXiv Computer Vision 刊出 Seonghwan Park、Min-Gyu Park 的研究，提出 CanDO——一种针对黑盒点云模型的测试时规范化方法。该方法仅通过前向查询，搜索能最大化模型置信度的输入变换，并用无导数优化完成搜索，无需模型权重或梯度。在物体部件分割任务上，方位角失准情形下 CanDO 恢复了 oracle gap 的 76%，任意 SO(3) 旋转情形下恢复 51%。报道称该方法依赖三个条件：训练增强缺口、与准确率对齐的置信度代理，以及对多模态目标的全局搜索。目前报道仅此一篇，尚无后续跟进或独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。