본 논문은 장기간 테스트 시간 적응(TTA)에서 오류 누적 문제를 해결하기 위해 각 배치에서 소량의 샘플만 활성 라벨링하는 방법을 연구합니다. 기존 방법들은 배치 수가 증가함에 따라 주석 부담이 빠르게 증가하는 문제점을 가지고 있었습니다. 본 논문에서는 배치당 최대 하나의 샘플만 주석을 달아 효율적인 활성 라벨링을 달성하는 방법을 제시합니다. TTA 환경에서 단일 단계 최적화 관점을 기반으로 각 배치에서 가장 가치 있는 샘플(소스 도메인과 타겟 도메인 데이터 분포의 경계에 있는 샘플)을 주석으로 달고, 특징 섭동을 이용하여 이러한 샘플을 효율적으로 식별하는 전략을 제시합니다. 또한, 주석이 달린 샘플과 주석이 달리지 않은 샘플에서 생성된 그래디언트 크기의 차이를 이용하여 두 개의 동적 가중치를 사용하여 모델 최적화에 대한 영향을 균형 있게 조절하는 방법을 제안합니다. ImageNet-C, -R, -K, -A 및 PACS 데이터베이스에 대한 광범위한 실험을 통해 기존 최첨단 방법보다 훨씬 적은 주석 비용으로 성능을 일관되게 향상시킴을 보여줍니다.
