論文の概要: Predictive Spectral Calibration for Source-Free Test-Time Regression

• arxiv url: http://arxiv.org/abs/2603.09338v1
• Date: Tue, 10 Mar 2026 08:15:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.144697
• Title: Predictive Spectral Calibration for Source-Free Test-Time Regression
• Title（参考訳）: ソースフリーテスト時間回帰のための予測スペクトル校正法
• Authors: Nguyen Viet Tuan Kiet, Huynh Thanh Trung, Pham Huy Hieu,
• Abstract要約: Predictive Spectral (PSC) は、サブスペースアライメントを拡張してスペクトルマッチングをブロックする、ソースフリーのフレームワークである。 PSCは実装が簡単で、モデルに依存しず、市販の事前訓練された回帰器と互換性がある。
• 参考スコア（独自算出の注目度）: 0.764671395172401
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Test-time adaptation (TTA) for image regression has received far less attention than its classification counterpart. Methods designed for classification often depend on classification-specific objectives and decision boundaries, making them difficult to transfer directly to continuous regression targets. Recent progress revisits regression TTA through subspace alignment, showing that simple source-guided alignment can be both practical and effective. Building on this line of work, we propose Predictive Spectral Calibration (PSC), a source-free framework that extends subspace alignment to block spectral matching. Instead of relying on a fixed support subspace alone, PSC jointly aligns target features within the source predictive support and calibrates residual spectral slack in the orthogonal complement. PSC remains simple to implement, model-agnostic, and compatible with off-the-shelf pretrained regressors. Experiments on multiple image regression benchmarks show consistent improvements over strong baselines, with particularly clear gains under severe distribution shifts.
• Abstract（参考訳）: 画像回帰のためのテスト時間適応(TTA)は、その分類よりもはるかに少ない注意を払っている。 分類のために設計された手法は、しばしば分類固有の目的や決定境界に依存し、継続的な回帰目標への直接の移動が困難になる。 近年の進歩は、サブスペースアライメントを通じて回帰TTAを再考し、単純なソース誘導アライメントが実用的かつ効果的であることを示した。 そこで本研究では,部分空間アライメントを拡張してスペクトルマッチングをブロックするPSC(Predictive Spectral Calibration)を提案する。 固定支持部分空間のみに頼る代わりに、PSCはソース予測サポート内の目標特徴を共同で調整し、直交補体に残留スペクトルスラックを校正する。 PSCは実装が簡単で、モデルに依存しず、市販の事前訓練された回帰器と互換性がある。 複数の画像回帰ベンチマークの実験では、強いベースラインよりも一貫した改善が見られ、特に激しい分布シフトの下では顕著に向上した。

関連論文リスト

• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• Co-optimization for Adaptive Conformal Prediction [9.881784717196675]
  中心$m(x)$と半径$h(x)$を共同最適化することにより予測間隔を学習するフレームワークを提案する。 合成および実ベンチマークの実験は、CoCPが一貫して短い間隔で生成し、最先端の条件付きカバレッジ診断を実現することを示した。
  論文  参考訳（メタデータ） (2026-03-02T10:43:19Z)
• CLAPS: Posterior-Aware Conformal Intervals via Last-Layer Laplace [0.0]
  CLAPSは,Last-Layer Laplace近似とスプリット・コンフォーマル・キャリブレーションを組み合わせた後向きコンフォメーション回帰法である。 結果のガウス後部から、CLAPSは、点推定だけでなく、整合度メートル法と完全な形状を整列する単純な二面後部CDFスコアを定義する。 このアライメントは、特にデータが不足し不確実性モデリングが問題となる中小データセットにおいて、同じ対象範囲での予測間隔を狭める。
  論文  参考訳（メタデータ） (2025-12-01T07:58:21Z)
• Enhancing CLIP Robustness via Cross-Modality Alignment [54.01929554563447]
  視覚言語モデルのための最適なトランスポートベースフレームワークであるクロスモダリティアライメントを提案する。 COLAは、グローバルな画像テキストアライメントと特徴空間における局所的な構造的一貫性を復元する。 COLAはトレーニングフリーで、既存の微調整モデルと互換性がある。
  論文  参考訳（メタデータ） (2025-10-28T03:47:44Z)
• From Noisy Traces to Stable Gradients: Bias-Variance Optimized Preference Optimization for Aligning Large Reasoning Models [90.45197506653341]
  大規模推論モデルは最終回答を生成する前に中間的推論トレースを生成する。 LRMと人間の好みの整合性は、モデルデプロイメントにとって重要な前提条件であり、まだ過小評価されていない。 共通の回避策は1つのサンプル軌道を最適化し、トレースサンプリングからかなり勾配のばらつきをもたらす。
  論文  参考訳（メタデータ） (2025-10-06T17:58:01Z)
• Semi-Supervised Coupled Thin-Plate Spline Model for Rotation Correction and Beyond [84.56978780892783]
  制御点が限られている複数のTPSを、より柔軟で強力な変換に繰り返し結合するCoupledTPSを提案する。 注記コストを考慮に入れた半教師付き学習手法を開発し、ラベルのないデータを活用することにより、ワープ品質を向上させる。 実験は、回転補正のための既存の最先端解よりもCoupledTPSの優位性と普遍性を示す。
  論文  参考訳（メタデータ） (2024-01-24T13:03:28Z)
• Spectrum-Aware Debiasing: A Modern Inference Framework with Applications to Principal Components Regression [1.342834401139078]
  本稿では,高次元回帰のための新しい手法であるSpectrumAware Debiasingを紹介する。 我々のアプローチは、構造的、重く、低ランクな構造に関する問題に適用できる。 シミュレーションおよび実データ実験により本手法を実証する。
  論文  参考訳（メタデータ） (2023-09-14T15:58:30Z)
• Calibration of Neural Networks using Splines [51.42640515410253]
  キャリブレーション誤差の測定は、2つの経験的分布を比較します。 古典的コルモゴロフ・スミルノフ統計テスト(KS)にインスパイアされたビンニングフリーキャリブレーション尺度を導入する。 提案手法は,KS誤差に対する既存の手法と,他の一般的なキャリブレーション手法とを一貫して比較する。
  論文  参考訳（メタデータ） (2020-06-23T07:18:05Z)

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。