論文の概要: When Test-Time Adaptation Helps, Harms, or Becomes Inactive: A Condition-Level Study on CIFAR-10-C

• arxiv url: http://arxiv.org/abs/2608.22233v1
• Date: Sun, 23 Aug 2026 06:06:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.659134
• Title: When Test-Time Adaptation Helps, Harms, or Becomes Inactive: A Condition-Level Study on CIFAR-10-C
• Title（参考訳）: CIFAR-10-Cの条件レベル研究
• Abstract要約: テスト時間適応(TTA)は、未ラベルのテストデータを用いてソースモデルを適用することにより、分散シフト下でのモデルロバスト性を改善することを目的としている。 本稿では,BatchNorm-statistics Adapt(BN-Adapt),Entropy-minimization Adapt(TENT),Reliability-statistics Adapt(EATA)の3つのTTA戦略の比較を行った。 3つの手法はすべて、ソースモデルの平均精度を12.2-13.3ポイント向上させる(Wilcoxon sign-rank $p 10-12$)。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Test-time adaptation (TTA) aims to improve model robustness under distribution shift by adapting a source model using unlabeled test data. Although methods such as TENT and EATA have demonstrated gains on corrupted data, aggregate accuracy can obscure the conditions under which adaptation fails or provides little benefit. We present a controlled comparison of three TTA strategies---BatchNorm-statistics adaptation (BN-Adapt), entropy-minimization adaptation (TENT), and reliability-filtered adaptation (a scoped re-implementation of EATA)---against an unadapted source model on the full CIFAR-10-C benchmark, covering 15 corruption types and 5 severity levels. All three methods improve mean accuracy over the source model by 12.2--13.3 percentage points (Wilcoxon signed-rank $p < 10^{-12}$). However, each method underperforms the source model on 8.0--9.3\% of conditions, with failures concentrated in low-severity corruptions where the source model already performs near ceiling, particularly brightness, fog, contrast, and defocus blur. We further find that EATA closely tracks the gradient-free BN-Adapt baseline, with a mean absolute difference of 0.09 percentage points, compared with 1.08 percentage points relative to TENT. This suggests that reliability filtering can substantially restrict effective adaptation, causing EATA to behave more like a BatchNorm-statistics baseline than an entropy-minimization method. These results show that aggregate accuracy alone can mask systematic TTA failure modes and motivate condition-level evaluation of when adaptation helps, harms, or becomes effectively inactive.
• Abstract（参考訳）: テスト時間適応(TTA)は、未ラベルのテストデータを用いてソースモデルを適用することにより、分散シフト下でのモデルロバスト性を改善することを目的としている。 TENTやEATAなどの手法は、破損したデータに対して利得を示すが、集約精度は、適応が失敗する条件や、ほとんど利益が得られない条件を曖昧にすることができる。 本稿では,CIFAR-10-Cベンチマークにおいて,3つのTTA戦略--BatchNorm-statistics Adapt (BN-Adapt), Entropy-minimization Adapt (TENT), Reliability-filtered Adapting (EATAのスコープ再実装)----を非適応ソースモデルに適用し,15の汚職タイプと5つの深刻度レベルをカバーする。 これら3つの手法は、ソースモデルの平均精度を12.2-13.3ポイント向上させる(Wilcoxon sign-rank $p < 10^{-12}$)。 しかし、それぞれの手法は8.0-9.3\%の条件でソースモデルを過小評価し、ソースモデルが天井付近、特に明るさ、霧、コントラスト、デフォーカスがぼやけている低重度破壊に失敗する。 さらに、EATAは、TENTと比較して平均0.09パーセンテージの絶対差が1.08パーセンテージのBN-Adaptベースラインを密に追跡している。 このことは、信頼性フィルタリングが効果的適応を著しく制限し、EATAはエントロピー最小化法よりもBatchNorm-statisticsベースラインのように振る舞うことを示唆している。 これらの結果から,集合的精度だけで組織的TTA障害モードを隠蔽し,適応の助けとなるか,害となるか,あるいは効果的に不活性になるか,条件レベルの評価を動機付けることが示唆された。

関連論文リスト

• Explanation Stability of Test-Time Adaptation in Computational Pathology: A Large-Scale Benchmark [9.401040751276776]
  テスト時間適応(TTA)は、未ラベルのターゲットデータにデプロイされたモデルを適用するための実践的な方法となっている。 ほとんどのTTA法は精度への影響で評価されるが、臨床利用はモデルの説明が適応後も信頼性が保たれるかどうかにも依存する。 本研究では,2つの病理組織学的指標であるCamelyon17とNCT CRC-HEのTTA下での安定性について検討した。
  論文  参考訳（メタデータ） (2026-08-07T10:13:02Z)
• Mitigating the ID-OOD Tradeoff in Open-Set Test-Time Adaptation [52.620992698137236]
  オープンセットテスト時間適応(OSTTA)は、新しい環境にモデルを適用するという課題に対処する。 本稿では,OSTTAにおけるエントロピーの限界をまず解析し,次に特徴ノルム等級を規制する角損失を導入する。 高いID分類性能を維持しながら強力なOOD検出を実現する。
  論文  参考訳（メタデータ） (2026-04-02T04:00:57Z)
• ProtoDCS: Towards Robust and Efficient Open-Set Test-Time Adaptation for Vision-Language Models [32.840734752367275]
  Prototype-based Double-Check separation (ProtoDCS)はOSTTAの堅牢なフレームワークである。 csIDとcsOODを分離し、ビジョン言語モデルのcsIDデータへの安全かつ効率的な適応を可能にする。 ProtoDCSは、既知のクラス精度とOOD検出メトリクスの両方を大幅に向上させる。
  論文  参考訳（メタデータ） (2026-02-27T03:39:02Z)
• LATTA: Langevin-Anchored Test-Time Adaptation for Enhanced Robustness and Stability [0.0]
  テスト時間適応(TTA)は、未ラベルのテストデータのみを使用して、事前訓練されたモデルを分散シフトに適応することを目的としている。 本稿では,Langevin-Anchored Test-Time Adaptation (LATTA)を紹介する。 LATTAはアーキテクチャの変更や高価なモンテカルロ・パスを必要としない。
  論文  参考訳（メタデータ） (2025-10-07T02:39:39Z)
• Adapt in the Wild: Test-Time Entropy Minimization with Sharpness and Feature Regularization [85.50560211492898]
  テスト時適応(TTA)は、テストデータが分散シフトが混在している場合、モデルの性能を改善または損なう可能性がある。 これはしばしば、既存のTTAメソッドが現実世界にデプロイされるのを防ぐ重要な障害である。 両面からTTAを安定化させるため,SARと呼ばれる鋭く信頼性の高いエントロピー最小化手法を提案する。
  論文  参考訳（メタデータ） (2025-09-05T10:03:00Z)
• ETAGE: Enhanced Test Time Adaptation with Integrated Entropy and Gradient Norms for Robust Model Performance [18.055032898349438]
  テスト時間適応(TTA)は、トレーニング分布から逸脱した未確認のテストデータを扱うために、ディープラーニングモデルを備えている。 本稿では,エントロピー最小化と勾配ノルム,PLPDを統合した改良TTA手法ETAGEを紹介する。 提案手法は,高エントロピーと高勾配ノルムを適応から組み合わせることで,不安定を生じにくいサンプルを優先する。
  論文  参考訳（メタデータ） (2024-09-14T01:25:52Z)
• 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)
• Test-Time Adaptation Induces Stronger Accuracy and Agreement-on-the-Line [65.14099135546594]
  最近のテスト時間適応 (TTA) 法は, モデルに非常に弱い相関関係を示すシフトであっても, ACL と AGL の傾向を大幅に強化する。 この結果から,TTAとAGLに基づく推定手法を組み合わせることで,より広い分布シフトの集合に対する高精度なモデルOOD性能を推定できることが示唆された。
  論文  参考訳（メタデータ） (2023-10-07T23:21:25Z)
• REALM: Robust Entropy Adaptive Loss Minimization for Improved Single-Sample Test-Time Adaptation [5.749155230209001]
  フルテスト時間適応(F-TTA)は、列車とテストデータの分散シフトによる性能損失を軽減することができる。 本稿では,F-TTAの雑音に対する堅牢性向上のための一般的な枠組みについて述べる。
  論文  参考訳（メタデータ） (2023-09-07T18:44:58Z)
• Towards Stable Test-Time Adaptation in Dynamic Wild World [60.98073673220025]
  テスト時間適応(TTA)は、与えられたモデルをテストサンプルに適応させることで、トレーニングとテストデータの分散シフトに取り組むのに有効であることが示されている。 TTAのオンラインモデル更新は不安定であり、これはしばしば既存のTTAメソッドが現実世界にデプロイされるのを防ぐ重要な障害である。
  論文  参考訳（メタデータ） (2023-02-24T02:03:41Z)
• Test-time Batch Statistics Calibration for Covariate Shift [66.7044675981449]
  我々は,推論中に深層モデルを新しい環境に適応させることを提案する。 バッチ統計の校正に$alpha$-BNの一般的な定式化を提案する。 また、統合テスト時間適応フレームワークCoreを形成するための新しい損失関数も提示する。
  論文  参考訳（メタデータ） (2021-10-06T08:45:03Z)

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。