본 논문은 테스트 시간 적응(TTA)에서 기존의 조건부 분포 조정 방식의 한계를 극복하기 위해 에너지 기반 프레임워크를 활용하는 새로운 방법인 EPOTTA를 제안합니다. 기존 TTA는 레이블 정보 부족 시 불확실한 예측에 의존하는 반면, EPOTTA는 표적 데이터의 주변 분포를 계산하여 분포 이동 문제를 해결합니다. 샘플링 없이 표적 모델을 사전 훈련된 모델과 잔여 에너지 함수를 사용하여 매개변수화하고, 표적 데이터의 주변 우도를 극대화하는 방식으로 동작합니다. DPO 목적 함수와의 수학적 동등성을 이용하여 잔여 함수를 명시적으로 훈련하지 않고도 표적 분포에 모델을 직접 적응시킵니다. 실험 결과 EPOTTA는 잘 보정되고 성능이 우수하며 계산 효율성 또한 높음을 확인했습니다.
