論文の概要: Annotation-Efficient Active Test-Time Adaptation with Conformal Prediction
- arxiv url: http://arxiv.org/abs/2509.25692v1
- Date: Tue, 30 Sep 2025 02:47:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-01 17:09:04.400414
- Title: Annotation-Efficient Active Test-Time Adaptation with Conformal Prediction
- Title（参考訳）: コンフォーマル予測を用いたアノテーション有効能動テスト時間適応
- Authors: Tingyu Shi, Fan Lyu, Shaoliang Peng,
- Abstract要約: Active Test-Time Adaptation (ATTA)は、人間のアノテーションを選択的にクエリすることで、ドメインシフト下でのモデルの堅牢性を改善する。
本稿では,ATTA に基本的かつ包括的不確実性をもたらす Conformal Prediction Active TTA (CPATTA) を提案する。
- 参考スコア（独自算出の注目度）: 10.848836107214408
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Active Test-Time Adaptation (ATTA) improves model robustness under domain shift by selectively querying human annotations at deployment, but existing methods use heuristic uncertainty measures and suffer from low data selection efficiency, wasting human annotation budget. We propose Conformal Prediction Active TTA (CPATTA), which first brings principled, coverage-guaranteed uncertainty into ATTA. CPATTA employs smoothed conformal scores with a top-K certainty measure, an online weight-update algorithm driven by pseudo coverage, a domain-shift detector that adapts human supervision, and a staged update scheme balances human-labeled and model-labeled data. Extensive experiments demonstrate that CPATTA consistently outperforms the state-of-the-art ATTA methods by around 5% in accuracy. Our code and datasets are available at https://github.com/tingyushi/CPATTA.
- Abstract（参考訳）: Active Test-Time Adaptation (ATTA)は、デプロイ時にヒューマンアノテーションを選択的にクエリすることで、ドメインシフト時のモデルロバスト性を改善するが、既存の手法ではヒューリスティックな不確実性対策を使用し、データ選択効率の低下に悩まされ、人間のアノテーション予算を浪費する。
本稿では,ATTA に基本的かつ包括的不確実性をもたらす Conformal Prediction Active TTA (CPATTA) を提案する。
CPATTAはスムーズなコンフォメーションスコアとトップKの確実性尺度、擬似カバレッジによって駆動されるオンライン重み付けアルゴリズム、人間の監督に適応するドメインシフト検出器、そして段階的な更新スキームが人間のラベル付きデータとモデルラベル付きデータのバランスをとる。
大規模な実験により、CPATTAは最先端のATTA法を約5%精度で一貫して上回っていることが示された。
私たちのコードとデータセットはhttps://github.com/tingyushi/CPATTA.comで公開されています。
関連論文リスト
- 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) - AETTA: Label-Free Accuracy Estimation for Test-Time Adaptation [7.079932622432037]
テスト時間適応(TTA)は、未ラベルのテストデータを使用して、事前訓練されたモデルをドメインシフトに適応するための実行可能なソリューションとして登場した。
ラベルのないTTAの精度推定アルゴリズムであるAETTAを提案する。
AETTAはベースラインと比較して平均19.8%の精度で推定可能である。
論文 参考訳（メタデータ） (2024-04-01T04:21:49Z) - Efficient Test-Time Adaptation of Vision-Language Models [58.3646257833533]
事前学習された視覚言語モデルによるテスト時間適応は、テスト時間中に分散シフトに取り組むことに注目が集まっている。
我々は、視覚言語モデルによる効率的なテスト時間適応を可能にするトレーニングフリーな動的アダプタであるTDAを設計する。
論文 参考訳（メタデータ） (2024-03-27T06:37:51Z) - Uncertainty-Calibrated Test-Time Model Adaptation without Forgetting [65.21599711087538]
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) - On Pitfalls of Test-Time Adaptation [82.8392232222119]
TTA(Test-Time Adaptation)は、分散シフトの下で堅牢性に取り組むための有望なアプローチとして登場した。
TTABは,10の最先端アルゴリズム,多種多様な分散シフト,および2つの評価プロトコルを含むテスト時間適応ベンチマークである。
論文 参考訳（メタデータ） (2023-06-06T09:35:29Z) - Guiding Pseudo-labels with Uncertainty Estimation for Test-Time
Adaptation [27.233704767025174]
Test-Time Adaptation (TTA) は、Unsupervised Domain Adaptation (UDA) の特定のケースであり、モデルがソースデータにアクセスせずにターゲットドメインに適合する。
本稿では,損失再重み付け戦略に基づくTTA設定のための新しい手法を提案する。
論文 参考訳（メタデータ） (2023-03-07T10:04:55Z) - CAFA: Class-Aware Feature Alignment for Test-Time Adaptation [50.26963784271912]
テスト時間適応(TTA)は、テスト時にラベルのないデータにモデルを適応させることによって、この問題に対処することを目的としている。
本稿では,クラス認識特徴アライメント(CAFA, Class-Aware Feature Alignment)と呼ばれる単純な機能アライメント損失を提案する。
論文 参考訳（メタデータ） (2022-06-01T03:02:07Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。