Fugu-MT 論文翻訳(概要): Understanding Test-Time Augmentation

論文の概要: Understanding Test-Time Augmentation

arxiv url: http://arxiv.org/abs/2402.06892v1
Date: Sat, 10 Feb 2024 06:49:08 GMT
ステータス: 処理完了
システム内更新日: 2024-02-13 18:42:03.007044
Title: Understanding Test-Time Augmentation
Title（参考訳）: テスト時間拡張の理解
Authors: Masanari Kimura
Abstract要約: テスト時間拡張(TTA)は、テスト中にデータを利用して平均出力を生成する強力な拡張である。本稿では,TTAの理論的保証を与え,その挙動を明らかにすることを目的とする。
参考スコア（独自算出の注目度）: 1.1240642213359266
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Test-Time Augmentation (TTA) is a very powerful heuristic that takes advantage of data augmentation during testing to produce averaged output. Despite the experimental effectiveness of TTA, there is insufficient discussion of its theoretical aspects. In this paper, we aim to give theoretical guarantees for TTA and clarify its behavior.
Abstract（参考訳）: テスト時間拡張(TTA)は、テスト中にデータ拡張を利用して平均出力を生成する非常に強力なヒューリスティックである。 TTAの実験的有効性にもかかわらず、その理論的側面についての議論は不十分である。本稿では,TTAの理論的保証を与え,その挙動を明らかにすることを目的とする。

関連論文リスト

On the Adversarial Risk of Test Time Adaptation: An Investigation into Realistic Test-Time Data Poisoning [49.17494657762375]
テスト時間適応(TTA)は、テストデータを使用して推論段階でモデルの重みを更新し、一般化を強化する。既存の研究では、TTAが逆方向検体で更新されると、良性検体の性能が低下することが示されている。そこで本研究では, 良性試料にアクセスすることなく, 有毒試料を効果的かつ現実的に生成する手法を提案する。
論文参考訳（メタデータ） (2024-10-07T01:29:19Z)
Training Nonlinear Transformers for Chain-of-Thought Inference: A Theoretical Generalization Analysis [82.51626700527837]
チェーン・オブ・シフト(Chain-of-shift, CoT)は、複数の中間ステップを持つ例を用いてクエリを増強することにより、大規模言語モデルの推論能力を実現する効率的な手法である。 CoT の理論的成功にもかかわらず、CoT が成立しても正確な一般化が得られないことを示す。
論文参考訳（メタデータ） (2024-10-03T03:12:51Z)
Test-Time Augmentation Meets Variational Bayes [0.951494089949975]
TTA(Test-Time Augmentation)は、テストフェーズでデータ拡張を活用して堅牢な予測を実現するテクニックである。本研究では,TTAの重み付け版について,各データ拡張の貢献に基づいて検討する。また,限界対数類似度を最大化するための重み付けを最適化することで,テストフェーズにおける不要なデータ増大の候補を抑えることを示す。
論文参考訳（メタデータ） (2024-09-19T09:11:01Z)
Active Test-Time Adaptation: Theoretical Analyses and An Algorithm [51.84691955495693]
テスト時間適応(TTA)は、教師なし設定でストリーミングテストデータの分散シフトに対処する。完全TTA設定内に能動学習を統合する能動テスト時間適応(ATTA)の新たな問題設定を提案する。
論文参考訳（メタデータ） (2024-04-07T22:31:34Z)
Uncertainty-Calibrated Test-Time Model Adaptation without Forgetting [55.17761802332469]
テスト時間適応(TTA)は、与えられたモデルw.r.t.を任意のテストサンプルに適用することにより、トレーニングデータとテストデータの間の潜在的な分散シフトに取り組むことを目指している。事前の手法は各テストサンプルに対してバックプロパゲーションを実行するため、多くのアプリケーションに対して許容できない最適化コストがかかる。本稿では, 有効サンプル選択基準を策定し, 信頼性および非冗長なサンプルを同定する, 効率的なアンチフォッティングテスト時間適応法を提案する。
論文参考訳（メタデータ） (2024-03-18T05:49:45Z)
Few Clicks Suffice: Active Test-Time Adaptation for Semantic Segmentation [14.112999441288615]
テスト時間適応(TTA)は、未ラベルのテストデータを使用した推論中に事前訓練されたモデルに適応する。 TTAアプローチと教師付きアプローチの間には,依然として大きなパフォーマンスギャップがあります。本稿では,モデルアダプタとラベルアノテータの2つの部分からなるATASegフレームワークを提案する。
論文参考訳（メタデータ） (2023-12-04T12:16:02Z)
From Question to Exploration: Test-Time Adaptation in Semantic Segmentation? [21.27237423511349]
テスト時間適応(TTA)は、トレーニングデータに基づいてトレーニングされたモデルを、潜在的な分散シフトを伴うテストデータに適用することを目的としている。セマンティックセグメンテーションにおける既存の古典的TTA戦略の適用性について検討する。
論文参考訳（メタデータ） (2023-10-09T01:59:49Z)
Test-Time Adaptation with Perturbation Consistency Learning [32.58879780726279]
そこで本研究では, 分布変化のあるサンプルに対して, 安定な予測を行うための簡易なテスト時間適応手法を提案する。提案手法は,強力なPLMバックボーンよりも推論時間が少なく,高い,あるいは同等の性能を実現することができる。
論文参考訳（メタデータ） (2023-04-25T12:29:22Z)
Evaluation of Test-Time Adaptation Under Computational Time Constraints [80.40939405129102]
テスト時間適応(TTA)メソッドは、テスト時にラベルのないデータを活用して、分散シフトに適応する。現在の評価プロトコルは、この余分なコストの影響を見落とし、実際の適用性に影響を与える。本稿では,TTA手法のより現実的な評価プロトコルを提案し,一定の速度のデータストリームからデータをオンライン形式で受信する。
論文参考訳（メタデータ） (2023-04-10T18:01:47Z)
Enhancing Adversarial Robustness via Test-time Transformation Ensembling [51.51139269928358]
テスト時間変換を組み込んだモデルを組み込むことが,敵攻撃に対する信頼性の高い防御手段として有効であることを示す。 TTEは、再トレーニングを必要とせずに、様々な強力な攻撃に対するモデルロバスト性を一貫して改善することを示します。
論文参考訳（メタデータ） (2021-07-29T15:32:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。