論文の概要: Prototype-Rectified Iterative Self-supervised Manifold Denoising under Severe Acoustic Shift

• arxiv url: http://arxiv.org/abs/2608.15037v1
• Date: Sat, 15 Aug 2026 04:42:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.16909
• Title: Prototype-Rectified Iterative Self-supervised Manifold Denoising under Severe Acoustic Shift
• Title（参考訳）: 音響シフトによるプロトタイプ別反復型自己教師型マニフォールドデノイング
• Abstract要約: 本稿では,アフィンノイズ仮説に基づくトレーニングフリーでソースフリーなテスト時間適応(TTA)フレームワークであるPRISMを紹介する。 推論において、適応は0.0009msで1つの行列ベクトル乗法に還元され、勾配ベースのTTAよりもかなり速い。 UrbanSound8Kでは、PRISMはゼロショットベースラインを12.94ポイント上回り、オラクル支援TTAベースラインを9.41ポイント上回る。
• 参考スコア（独自算出の注目度）: 3.704942101286518
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Audio-Text Foundation Models (ATMs) fail catastrophically under severe acoustic noise, yet existing adaptation strategies either rely on gradient-based Test-Time Adaptation (TTA), which reinforces noise rather than signal, or on prompt tuning that requires privileged noise annotations unavailable at inference. We address these failures with PRISM (Prototype-Rectified Iterative Self-supervised Manifold Denoising), a training-free, source-free TTA framework grounded in the Affine Noise Hypothesis: severe acoustic noise induces a low-rank affine shift in the multimodal latent space, with more than 90% of distortion energy confined to the leading 60 principal components. PRISM estimates and reverses this distortion from an unlabeled target batch using frozen text prototypes as geometric anchors via three closed-form geometric corrections compiled into a single static projection matrix by Affine Bias Regression. At inference, adaptation reduces to one matrix-vector multiplication in 0.0009 ms, making it substantially faster than gradient-based TTA while requiring no additional training. On UrbanSound8K, PRISM improves over the zero-shot baseline by 12.94 percentage points and surpasses an oracle-assisted TTA baseline by 9.41 percentage points, despite never observing its privileged augmented noise prompts. We further identify the Polyphonic Trap, a principled failure mode of subspace deflation for broadband classes, and resolve it via Confidence-Aware Regression (CAR), recovering up to 8.16 percentage points for the worst-affected class.
• Abstract（参考訳）: 音声テキスト・ファンデーション・モデル(ATM)はひどい音響ノイズの下で破滅的に失敗するが、既存の適応戦略は勾配に基づくテスト時間適応(TTA)に依存している。 Affine Noise hypothesis(アフィンノイズ仮説)に基づくトレーニングフリーでソースフリーなTTAフレームワークであるPRISM(Prototype-Rectified Iterative Self-supervised Manifold Denoising)を用いて,これらの障害に対処する。 PRISMは、Affine Bias Regressionによって単一の静的プロジェクションマトリックスにコンパイルされた3つの閉形式幾何補正により、凍結されたテキストプロトタイプを幾何学アンカーとして使用して、未ラベルのターゲットバッチからこの歪みを推定し、反転する。 推論において、適応は0.0009msで1つの行列ベクトル乗法に還元され、追加のトレーニングを必要とせず、勾配ベースのTTAよりも大幅に高速になる。 UrbanSound8Kでは、PRISMはゼロショットベースラインを12.94ポイント改善し、オラクルアシストTTAベースラインを9.41ポイント上回る。 さらに、ブロードバンドクラスにおけるサブスペースデフレの原則的障害モードであるポリフォニックトラップを同定し、信頼認識回帰(CAR)を用いて解決し、最悪の影響のあるクラスに対して最大8.16ポイントまで回復する。

関連論文リスト

• The Rescue Effect: Spatio-Semantic Early Exit Bypasses Quantization Collapse in CLIP [6.450516062706025]
  CLIPのような共同埋め込みアーキテクチャでは、量子化されたCNN分類器とは異なる障害モードが導入されている。 我々はこれをQIRC(Quantization-induced Representation Collapse)と呼び、CLIP ViT-B/32を置き換えるINT8上で定量化する。 雑音飽和層をバイパスするLRA-EE(Layer-wise Representation-Aware Early Exit)を提案する。 ImageNet-1K ゼロショット分類では、LRA-EE は FLOP を 13.4% 削減し、Top-1 の精度を +2.44%p (58.72% -> 61.16%) 向上させる。
  論文  参考訳（メタデータ） (2026-05-26T00:45:46Z)
• Rethinking Entropy Minimization in Test-Time Adaptation for Autoregressive Models [52.18157855348584]
  エントロピー最小化(EM)によるテスト時間適応(TTA)は分類作業に有効であることが証明されているが、その応用は理論的に断片化されている。 本研究では,自己回帰モデルに適した厳密なEMの定式化を導出する。 本研究の目的は,トークンレベルの政策勾配損失とトークンレベルのエントロピー損失に自然に分解されることを示し,従来の手法を統一された定式化の部分的実現として再解釈する。 テストベッドとしてWhisper ASRを用いることで、音響ノイズ、アクセント、多言語設定を含む20以上の異なる領域のパフォーマンスを継続的に向上することを示す。
  論文  参考訳（メタデータ） (2026-05-05T12:00:06Z)
• Intrinsic Gradient Suppression for Label-Noise Prompt Tuning in Vision-Language Models [26.29904418630642]
  DSPTは,高誤差雑音のサンプルから勾配を抑える自己適応飽和領域を誘導することを示した。 大規模な実験により、このシンプルなドロップイン設計は様々なノイズのあるベンチマークで最先端の堅牢性を実現することが確認された。
  論文  参考訳（メタデータ） (2026-05-01T11:57:51Z)
• Too Correct to Learn: Reinforcement Learning on Saturated Reasoning Data [55.84428098924793]
  構造保存探索を行うためのパラメータ自由復号法である Constrained Uniform Top-K Smpling (CUTS) を提案する。 グループ内の利点分散を増幅するために、エクスプロイトと探索的なロールアウトを相乗化するためのトレーニングフレームワークであるMixed-CUTSに統合する。 特にMixed-CUTSは、AIME25ベンチマークのPass@1の精度を標準のGRPOよりも15.1%向上している。
  論文  参考訳（メタデータ） (2026-04-20T16:43:28Z)
• Variational Rectification Inference for Learning with Noisy Labels [74.85528327499662]
  損失関数の適応的補正を定式化するために, 変分補正推論(VRI)を提案する。 VRIは、補正ベクトルを潜在変数として扱うことによって階層ベイズとして構成される。 VRIで変分項を導入することにより、条件付き後部を正確に推定し、ディラックデルタ関数への崩壊を避ける。
  論文  参考訳（メタデータ） (2026-03-18T01:25:08Z)
• The Malignant Tail: Spectral Segregation of Label Noise in Over-Parameterized Networks [0.0]
  ネットワークが機能的に信号とノイズを分離する障害モードであるMorignant Tailを実験的に分離する。 トレーニングされていないネットワークは、ノイズを積極的に分離し、ノイズに支配されたサブスペースを外科的にプルークするポストホックスペクトルトラニケーションを実現する。 以上の結果から,ラベルノイズ下では,余剰スペクトル容量は無害な冗長性ではなく,構造的負債が潜んでいることが示唆された。
  論文  参考訳（メタデータ） (2026-03-02T16:39:42Z)
• Noise-Adaptive Regularization for Robust Multi-Label Remote Sensing Image Classification [5.658568324275769]
  付加音と減音音を区別する雑音適応正規化法であるNARを提案する。 NARは、既存の方法と比較して、一貫して堅牢性を改善する。 性能改善は、減音と混合ノイズの下で最も顕著である。
  論文  参考訳（メタデータ） (2026-01-13T11:16:45Z)
• Test-time Adaptive Hierarchical Co-enhanced Denoising Network for Reliable Multimodal Classification [55.56234913868664]
  マルチモーダルデータを用いた信頼性学習のためのTAHCD(Test-time Adaptive Hierarchical Co-enhanced Denoising Network)を提案する。 提案手法は,最先端の信頼性の高いマルチモーダル学習手法と比較して,優れた分類性能,堅牢性,一般化を実現する。
  論文  参考訳（メタデータ） (2026-01-12T03:14:12Z)
• Pay Attention Later: From Vector Space Diffusion to Linearithmic Spectral Phase-Locking [0.0]
  スタンダードトランスフォーマーは「セマンティックアライメント税」に苦しむ 位相共鳴インテリジェントスペクトルモデル(PRISM)を導入する。 PRISMは複素領域(Cd)における共振周波数としてのセマンティックアイデンティティを符号化し、二次自己アテンションをリニアリトミック O(N log N) Gated Harmonic Convolutions に置き換える。
  論文  参考訳（メタデータ） (2025-12-01T02:46:15Z)
• ROPO: Robust Preference Optimization for Large Language Models [59.10763211091664]
  外部モデルの助けを借りずにノイズ耐性とノイズサンプルのフィルタリングを統合する反復アライメント手法を提案する。 Mistral-7BとLlama-2-7Bで広く使われている3つのデータセットの実験では、ROPOが既存の嗜好アライメント法を大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2024-04-05T13:58:51Z)
• Sparse is Enough in Fine-tuning Pre-trained Large Language Models [98.46493578509039]
  我々はSparse Increment Fine-Tuning (SIFT) という勾配に基づくスパース微調整アルゴリズムを提案する。 GLUE Benchmark や Instruction-tuning などのタスクで有効性を検証する。
  論文  参考訳（メタデータ） (2023-12-19T06:06:30Z)
• Latent Class-Conditional Noise Model [54.56899309997246]
  本稿では,ベイズ的枠組みの下での雑音遷移をパラメータ化するためのLatent Class-Conditional Noise Model (LCCN)を提案する。 次に、Gibs sampler を用いて遅延真のラベルを効率的に推測できる LCCN の動的ラベル回帰法を導出する。 提案手法は,サンプルのミニバッチから事前の任意チューニングを回避するため,ノイズ遷移の安定な更新を保護している。
  論文  参考訳（メタデータ） (2023-02-19T15:24:37Z)

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。