本論文では、3Dデータの試験時適応(TTA)のための新しい効率的な手法であるBFTT3Dを提案する。BFTT3Dは、ソースモデルの知識を維持しつつ、ターゲットドメイン固有の情報を補完することで、ノイズの多い擬似ラベリングプロセスや、パラメータの微調整に頼ることなく、効率的に適応することができる。
3D転移学習の課題を理解し、監督学習と非監督学習の手法を比較・分析することで、より効果的な3D転移学習を実現する。