본 논문은 Test-Time Adaptation (TTA)에서 단일 모델 적응에 집중하는 기존 연구와 달리, 다양한 크기의 모델 간 지식 교류를 활용한 TTA 방법인 COCA를 제안합니다. COCA는 크기가 다른 모델들(예: MobileViT, ViT-Base) 간 상호 보완적인 지식을 통합하는 'Co-adaptation'과 각 모델의 강점을 강화하는 'Self-adaptation' 전략을 통해 타겟 도메인에 대한 적응력을 향상시킵니다. 실험 결과, COCA는 ResNet, ViT, Mobile-ViT 등 다양한 모델에서 기존 최고 성능을 능가하는 결과를 보였으며, 특히 MobileViT의 지식을 활용하여 ViT-Base의 ImageNet-C 적응 정확도를 51.7%에서 64.5%로 향상시켰습니다. COCA는 플러그 앤 플레이 모듈로도 사용 가능합니다.
