論文の概要: POEM: Explore Unexplored Reliable Samples to Enhance Test-Time Adaptation

• arxiv url: http://arxiv.org/abs/2510.03258v1
• Date: Fri, 26 Sep 2025 13:34:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-12 15:03:05.811506
• Title: POEM: Explore Unexplored Reliable Samples to Enhance Test-Time Adaptation
• Title（参考訳）: POEM: 信頼できないサンプルを探索してテスト時間順応を強化
• Authors: Chang'an Yi, Xiaohui Deng, Shuaicheng Niu, Yan Zhou,
• Abstract要約: テストタイム適応(TTA)は、ソースモデルから未知のテストデータに、潜在的分散シフトをオンライン形式で転送することを目的としている。 本稿では,従来未使用であったreliablunderlinetextbfored reliablunderlinetextbfe saunderlinetextbfmplegnosticsを用いてTTAを促進するための一般的なアプローチである underlinePOEM を提案する。
• 参考スコア（独自算出の注目度）: 17.987611663850828
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Test-time adaptation (TTA) aims to transfer knowledge from a source model to unknown test data with potential distribution shifts in an online manner. Many existing TTA methods rely on entropy as a confidence metric to optimize the model. However, these approaches are sensitive to the predefined entropy threshold, influencing which samples are chosen for model adaptation. Consequently, potentially reliable target samples are often overlooked and underutilized. For instance, a sample's entropy might slightly exceed the threshold initially, but fall below it after the model is updated. Such samples can provide stable supervised information and offer a normal range of gradients to guide model adaptation. In this paper, we propose a general approach, \underline{POEM}, to promote TTA via ex\underline{\textbf{p}}loring the previously unexpl\underline{\textbf{o}}red reliabl\underline{\textbf{e}} sa\underline{\textbf{m}}ples. Additionally, we introduce an extra Adapt Branch network to strike a balance between extracting domain-agnostic representations and achieving high performance on target data. Comprehensive experiments across multiple architectures demonstrate that POEM consistently outperforms existing TTA methods in both challenging scenarios and real-world domain shifts, while remaining computationally efficient. The effectiveness of POEM is evaluated through extensive analyses and thorough ablation studies. Moreover, the core idea behind POEM can be employed as an augmentation strategy to boost the performance of existing TTA approaches. The source code is publicly available at \emph{https://github.com/ycarobot/POEM}
• Abstract（参考訳）: テストタイム適応(TTA)は、ソースモデルから未知のテストデータに、潜在的分散シフトをオンライン形式で転送することを目的としている。 既存のTTA手法の多くはモデル最適化の信頼性基準としてエントロピーに依存している。 しかし、これらのアプローチは、モデル適応のためにどのサンプルを選択するかに影響を与える、予め定義されたエントロピー閾値に敏感である。 その結果、潜在的に信頼性の高いターゲットサンプルは見過ごされ、利用されていないことが多い。 例えば、サンプルのエントロピーは最初はわずかに閾値を超えるかもしれないが、モデルが更新された後にそれより下降する。 このようなサンプルは安定した教師付き情報を提供し、モデル適応を導くための通常の勾配範囲を提供する。 本稿では,Unexpl\underline{\textbf{o}}red reliabl\underline{\textbf{e}} sa\underline{\textbf{m}}plesを探索して,ex\underline{\textbf{p}}を介してTTAを促進する一般的な方法を提案する。 さらに、ドメインに依存しない表現の抽出と、ターゲットデータに対する高い性能のバランスをとるための追加のアダプティブブランチネットワークを導入する。 複数のアーキテクチャにわたる総合的な実験により、POEMは計算効率を保ちながら、挑戦的なシナリオと現実世界のドメインシフトの両方において既存のTTAメソッドを一貫して上回ることを示した。 POEMの有効性は、広範囲な分析と徹底的なアブレーション研究を通じて評価される。 さらに、POEMの基本的な考え方は、既存のTTAアプローチのパフォーマンスを高めるための拡張戦略として利用することができる。 ソースコードは \emph{https://github.com/ycarobot/POEM} で公開されている。

関連論文リスト

• BoostAdapter: Improving Vision-Language Test-Time Adaptation via Regional Bootstrapping [64.8477128397529]
  本稿では,テスト時間適応フレームワークを提案する。 我々は、インスタンスに依存しない履歴サンプルとインスタンスを意識したブースティングサンプルから特徴を検索するための軽量なキー値メモリを維持している。 理論的には,本手法の背後にある合理性を正当化し,アウト・オブ・ディストリビューションとクロスドメイン・データセットの両方において,その有効性を実証的に検証する。
  論文  参考訳（メタデータ） (2024-10-20T15:58:43Z)
• DOTA: Distributional Test-Time Adaptation of Vision-Language Models [69.41389326333771]
  トレーニングデータとテストデータの間に大きな分散ギャップが存在する場合、視覚言語の基礎モデルは信頼できない。 本稿では,DOTA(DistributiOnal Test-time Adaptation)を提案する。 この分散中心のアプローチは、モデルが継続的に学習し、デプロイメント環境に適応することを可能にする。
  論文  参考訳（メタデータ） (2024-09-28T15:03:28Z)
• Unified Entropy Optimization for Open-Set Test-Time Adaptation [40.111891407629]
  テスト時間適応(TTA)は、ラベル付きソースドメインで事前訓練されたモデルをラベルなしターゲットドメインに適応することを目的としている。 多くの最先端のクローズドセットTTAメソッドは、オープンセットのシナリオに適用した場合、性能が良くない。 統一エントロピー最適化(UniEnt)と呼ばれるシンプルだが効果的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-09T07:08:00Z)
• Improving Entropy-Based Test-Time Adaptation from a Clustering View [15.157208389691238]
  エントロピーベースのTTAについて,新たなクラスタリングの視点を導入する。 本稿では,ロバストなラベル割り当て,類似性保存制約,サンプル選択,勾配蓄積などを提案する。 実験結果から,本手法は様々なデータセットに対して一貫した改善が可能であることが示された。
  論文  参考訳（メタデータ） (2023-10-31T10:10:48Z)
• 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)
• Listen, Adapt, Better WER: Source-free Single-utterance Test-time Adaptation for Automatic Speech Recognition [65.84978547406753]
  Test-time Adaptationは、ソースドメインでトレーニングされたモデルに適応して、テストサンプルの予測を改善することを目的としている。 単一発話テスト時間適応 (SUTA) は音声領域における最初のTTA研究である。
  論文  参考訳（メタデータ） (2022-03-27T06:38:39Z)

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。