論文の概要: Towards Purified Multi-Label Test-Time Adaptation of Vision-Language Models

• arxiv url: http://arxiv.org/abs/2608.25653v1
• Date: Wed, 26 Aug 2026 11:36:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.783441
• Title: Towards Purified Multi-Label Test-Time Adaptation of Vision-Language Models
• Title（参考訳）: 視覚言語モデルのマルチラベルテスト時間適応化に向けて
• Abstract要約: PuRFは、視覚言語モデルの多ラベルテスト時間適応のための新しいPuRiFication駆動キャッシュベースの手法である。 PuRFは最先端の手法を一貫して上回り、ViT-B/32では5つのデータセットで4.05%のmAP改善を実現している。
• 参考スコア（独自算出の注目度）: 81.26524429852992
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Test-time adaptation (TTA) has been widely explored in single-label recognition, effectively mitigating distribution shifts, especially when combined with vision-language models. However, real-world images often contain multiple objects, while the more practical multi-label test-time adaptation (MLTTA) has received little attention so far. Recent cache-based TTA methods have shown promising efficiency and effectiveness, yet directly extending them to multi-label scenarios suffers from a one-to-many mapping problem: a shared global representation entangling co-occurring objects is stored as class-wise cache prototypes, inducing dominant-label bias and compromised cache calibration. While introducing region-level cues helps isolate class-specific evidence, such regional evidence can also be unreliable under distribution shifts, making its identification and utilization non-trivial. To address these issues, we introduce PuRF, a novel PuRiFication-driven cache-based method for multi-label test-time adaptation of vision-language models. Specifically, PuRF first performs region purification to identify reliable regions, providing comprehensive regional cues for multi-label recognition and enabling fine-grained alignment. Based on these purified regions, PuRF conducts cache purification to enhance cache representation and adaptability, where episodic purification builds a discriminative region-based cache, and temporal refreshing further promotes long-term cache adaptability. Experiments demonstrate that PuRF consistently outperforms state-of-the-art methods, achieving a notable 4.05% mAP improvement on ViT-B/32 across five datasets.
• Abstract（参考訳）: テスト時間適応(TTA)は、特に視覚言語モデルと組み合わせた場合、分散シフトを効果的に緩和するシングルラベル認識において広く研究されている。 しかし、実世界の画像は複数のオブジェクトを含むことが多いが、より実用的なMLTTA(Multi-label test-time adapt)は今のところほとんど注目されていない。 最近のキャッシュベースのTTA手法は,有効性と有効性を示しているが,直接マルチラベルのシナリオに拡張することは,一対多のマッピング問題に悩まされている。 地域レベルの手がかりの導入は、クラス固有の証拠を分離するのに役立つが、そのような地域的証拠は、分布シフトの下では信頼できないため、その識別と利用は簡単ではない。 これらの問題に対処するために,PuRFという新しいPuRiFication駆動型キャッシュベース方式を導入し,視覚言語モデルの多ラベルテスト時間適応を実現する。 具体的には、PuRFはまず、信頼性のある地域を特定するための地域浄化を行い、多ラベル認識のための包括的な地域的手がかりを提供し、きめ細かいアライメントを可能にする。 これらの精製された領域に基づいて、PuRFはキャッシュの精製を行い、キャッシュの表現と適応性を高める。 実験によると、PuRFは最先端の手法を一貫して上回り、5つのデータセットでViT-B/32の4.05%のmAP改善を実現している。

関連論文リスト

• Back to Source: Open-Set Continual Test-Time Adaptation via Domain Compensation [18.70132691409063]
  Test-Time Adaptationは、推論時間におけるトレーニングとテストドメイン間の分散シフトを軽減することを目的としている。 ドメインとセマンティックシフトの結合は、しばしば特徴空間を崩壊させ、分類とアウト・オブ・ディストリビューションの検出の両方を著しく劣化させる。 ドメイン適応とOOD検出を相乗的で閉ループで堅牢に行う軽量かつ効果的なフレームワークであるDOCOを提案する。
  論文  参考訳（メタデータ） (2026-04-23T15:29:29Z)
• Test-Time Adaptation via Cache Personalization for Facial Expression Recognition in Videos [59.83490704563065]
  本稿では,キャッシュベースのTTA方式であるキャッシュパーソナライゼーション(TTA-CaP)を提案する。 実験により,TTA-CaPは,対象種別および環境変化下で,最先端のTTA法より優れることが示された。
  論文  参考訳（メタデータ） (2026-03-22T16:31:25Z)
• DiCache: Let Diffusion Model Determine Its Own Cache [62.954717254728166]
  DiCacheは、実行時に拡散モデルを加速するためのトレーニング不要のアダプティブキャッシュ戦略である。 Online Probe Profiling Schemeは浅層オンラインプローブを利用して,キャッシュエラーのオンザフライインジケータをリアルタイムで取得する。 Dynamic Cache Trajectory Alignmentは、マルチステップの履歴キャッシュから出力されるディープ層の特徴を近似する。
  論文  参考訳（メタデータ） (2025-08-24T13:30:00Z)
• Advancing Reliable Test-Time Adaptation of Vision-Language Models under Visual Variations [67.35596444651037]
  視覚言語モデル(VLM)は、素晴らしいゼロショット機能を示すが、ラベル付きデータが利用できない場合、下流タスクの分散シフトに苦慮する。 本稿では,信頼性を両面から高めるReliable Test-Time Adaptation (ReTA)法を提案する。
  論文  参考訳（メタデータ） (2025-07-13T05:37:33Z)
• ADAptation: Reconstruction-based Unsupervised Active Learning for Breast Ultrasound Diagnosis [11.49367029555765]
  ディープラーニングベースの診断モデルは、トレーニング(ソース)とテスト(ターゲット)ドメイン間の分散シフトによって、パフォーマンス低下を被ることが多い。 本稿では、適応ドメインのための教師なしアクティブ学習フレームワークADAptationを提案する。 本手法は,アノテーション予算に制限されたマルチドメインデータプールから情報サンプルを効率よく選択する。
  論文  参考訳（メタデータ） (2025-07-01T06:45:02Z)
• Mitigating Cache Noise in Test-Time Adaptation for Large Vision-Language Models [13.157596316463621]
  下流タスクにおける分散シフトに起因する性能劣化に対する解決策として,視覚言語モデルのテスト時適応(TTA)が注目されている。 我々は、包括的で信頼性の高いキャッシュ機構を導入し、キャッシュ、残留、ガウス(CRG)と呼ばれる新しいゼロショットTTA手法を提案する。 13のベンチマーク実験の結果、CRGは最先端のTTA法よりも優れており、例外的な堅牢性と適応性を示している。
  論文  参考訳（メタデータ） (2025-03-24T04:32:35Z)
• 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)
• Enhancing Test Time Adaptation with Few-shot Guidance [62.49199492255226]
  深層ニューラルネットワークは、トレーニング(ソース)とテスト(ターゲット)データのドメインシフトに直面しながら、大きなパフォーマンス低下に直面することが多い。 TTA(Test Time Adaptation)法は,事前学習したソースモデルを用いて,配信外ストリーミングターゲットデータを処理する手法として提案されている。 本稿では,Few-Shot Test Time Adaptation (FS-TTA) を開発した。
  論文  参考訳（メタデータ） (2024-09-02T15:50:48Z)

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。