論文の概要: GATE: Reliability-Gated Gaussian Evidence Fusion for Training-Free Test-Time Adaptation of Vision-Language Models

• arxiv url: http://arxiv.org/abs/2608.29395v1
• Date: Sat, 29 Aug 2026 18:33:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.950427
• Title: GATE: Reliability-Gated Gaussian Evidence Fusion for Training-Free Test-Time Adaptation of Vision-Language Models
• Title（参考訳）: GATE: ビジョンランゲージモデルの訓練自由なテスト時間適応のための信頼性保証付きガウス証拠融合
• Abstract要約: GATEはトレーニングフリーの2パストランスダクティブテストタイム適応フレームワークである。 イメージエンコーダ、テキストエンコーダ、およびプロンプトパラメータを完全に凍結しながら、ラベルなしのターゲットセットを使用する。 ゼロショットのパフォーマンスは平均5.41ポイント向上し、最強の非GATEベースラインを1.94ポイント上回る。
• 参考スコア（独自算出の注目度）: 5.025577782616721
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-language models such as CLIP and SigLIP provide strong zero-shot recognition, but their predictions can degrade when deployed on target data that differ from the pretraining distribution. Test-time adaptation offers a practical way to improve robustness without source data or target labels, yet existing methods often rely on either prompt-side adaptation or image-side target evidence alone. In this work, we introduce GATE, a training-free two-pass transductive test-time adaptation framework that uses the unlabeled target set while keeping the image encoder, text encoder, and prompt parameters fully frozen. Instead of representing each class with a single prototype, GATE builds two complementary Gaussian sources of evidence in the shared vision-language feature space: a text Gaussian estimated from multiple language descriptions and an image Gaussian estimated from reliable unlabeled target samples. A class-wise reliability gate controls the influence of image-derived pseudo-evidence, and a score-level generalized Product-of-Experts fusion produces a normalized residual correction to the original zero-shot logits. Across fine-grained recognition datasets, ImageNet-family distribution shifts, multiple CLIP backbones, and SigLIP-B/16, GATE achieves the best average accuracy in every benchmark/backbone group. It improves zero-shot performance by an average of 5.41 points and outperforms the strongest non-GATE baseline by 1.94 points, demonstrating the benefit of reliability-gated distributional evidence for frozen VLM adaptation.
• Abstract（参考訳）: CLIPやSigLIPのような視覚言語モデルは、強力なゼロショット認識を提供するが、事前学習された分布とは異なるターゲットデータにデプロイすると、その予測は劣化する。 テストタイム適応は、ソースデータやターゲットラベルなしでロバスト性を改善する実用的な方法を提供するが、既存の手法では、プロンプト側適応またはイメージ側ターゲットエビデンスのみに依存することが多い。 本研究では、画像エンコーダ、テキストエンコーダ、およびプロンプトパラメータを完全に凍結したまま、未ラベルのターゲットセットを使用するトレーニングフリーの2パストランスダクティブテスト時間適応フレームワークであるGATEを紹介する。 各クラスを1つのプロトタイプで表現する代わりに、GATEは共有視覚言語の特徴空間における2つの相補的なガウス的証拠源を構築する:複数の言語記述から推定されるガウス的テキストと、信頼できる未ラベルのターゲットサンプルから推定される画像ガウス的画像である。 クラスワイド信頼性ゲートは、画像由来の擬似証拠の影響を制御し、スコアレベル一般化されたProduct-of-Experts融合は、元のゼロショットロジットに対して正規化された残留補正を生成する。 微粒な認識データセット、ImageNetファミリーの分散シフト、複数のCLIPバックボーン、SigLIP-B/16など、GATEはベンチマーク/バックボーングループ毎に最高の平均精度を達成している。 ゼロショット性能を平均5.41ポイント改善し、最強の非GATEベースラインを1.94ポイント上回る。

関連論文リスト

• RINSE: Robust Target-Time Normality Estimation for Zero-Shot Graph Anomaly Detection [9.187714394723931]
  RINSE(Robust Iterative Normality Self-Estimation)は、勾配のない目標時間フレームワークである。 対象グラフから対象の正規性、表現キャリブレーション、および証拠の信頼性を推定する。 これらの結果は、汎用グラフ異常検出の実践的アプローチとして、頑健な目標時間推定を支援する。
  論文  参考訳（メタデータ） (2026-09-02T12:03:58Z)
• Self-Improving In-Context Learning [3.9202238580555417]
  本稿では,短時間の即時テストの埋め込みを最適化し,文脈内学習を改善することを提案する。 我々はこの信号を有界自己監督キャリブレーション法として定式化する。 ICLタスクの包括的なスイート全体において、提案されたキャリブレーションはベースモデルを改善したり、一致させたりすることで、ほとんどのタスクにおける分類固有のベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-05-22T03:01:34Z)
• Dual-Teacher Distillation with Subnetwork Rectification for Black-Box Domain Adaptation [69.7036779439312]
  ブラックボックスドメイン適応は、非常に実用的で非常に困難な設定である。 ブラックボックスソースモデルに埋め込まれた特定の知識を活用するサブネットワーク整合モデル(DDSR)を用いた二重蒸留法を提案する。 我々の手法は、ソースデータやモデルの使用を含む、最先端の手法に対する一貫した改善を実証する。
  論文  参考訳（メタデータ） (2026-03-24T07:54:19Z)
• Intra-Class Probabilistic Embeddings for Uncertainty Estimation in Vision-Language Models [7.5752750293638735]
  コントラッシブ・ビジョン言語モデルに対するトレーニング不要・ポストホック不確実性推定手法を提案する。 我々の手法はVLM非依存であり、微調整を必要とせず、分散シフトに対する堅牢性を示し、1クラスにつき10のトレーニングイメージで効果的に機能する。
  論文  参考訳（メタデータ） (2025-11-27T01:48:27Z)
• Enhancing Zero-Shot Vision Models by Label-Free Prompt Distribution Learning and Bias Correcting [55.361337202198925]
  CLIPのようなヴィジュアル言語モデルは、適切なテキスト記述を使用する際に、顕著な一般化能力を示している。 本稿では,ラベル付きデータを必要としないゼロショット性能を向上する,**Frolic**と呼ばれるラベルフリーな分布学習とバイアス補正フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-25T04:00:45Z)
• Guided Score identity Distillation for Data-Free One-Step Text-to-Image Generation [62.30570286073223]
  拡散に基づくテキスト・画像生成モデルは、テキスト記述と整合した画像を生成する能力を実証している。 本研究では, 実データにアクセスすることなく, 事前学習した拡散モデルの効率的な蒸留を可能にする, データフリーガイド蒸留法を提案する。 データフリー蒸留法は, 1ステップ生成装置で生成した合成画像のみをトレーニングすることにより, FIDとCLIPのスコアを急速に向上させ, 競争力のあるCLIPスコアを維持しつつ, 最先端のFID性能を実現する。
  論文  参考訳（メタデータ） (2024-06-03T17:44:11Z)
• Individual Fairness Through Reweighting and Tuning [0.23395944472515745]
  社会内の本質的なバイアスは、人工知能(AI)システムによって増幅し、永続することができる。 近年,グラフラプラシアン正則化器 (GLR) が一般リプシッツ条件の代用として用いられ,個人の公正性を高めている。 本研究では,GLRを列車上で独立に定義し,目標データに類似した精度を維持できるかどうかを検討した。
  論文  参考訳（メタデータ） (2024-05-02T20:15:25Z)
• Forgery-aware Adaptive Transformer for Generalizable Synthetic Image Detection [106.39544368711427]
  本研究では,様々な生成手法から偽画像を検出することを目的とした,一般化可能な合成画像検出の課題について検討する。 本稿では,FatFormerという新しいフォージェリー適応トランスフォーマー手法を提案する。 提案手法は, 平均98%の精度でGANを観測し, 95%の精度で拡散モデルを解析した。
  論文  参考訳（メタデータ） (2023-12-27T17:36:32Z)
• Consistency Regularization for Generalizable Source-free Domain Adaptation [62.654883736925456]
  ソースフリードメイン適応(source-free domain adapt, SFDA)は、ソースデータセットにアクセスすることなく、十分にトレーニングされたソースモデルを未学習のターゲットドメインに適応することを目的としている。 既存のSFDAメソッドは、ターゲットのトレーニングセット上で適用されたモデルを評価し、目に見えないが同一の分散テストセットからデータを無視する。 より一般化可能なSFDA法を開発するための整合正則化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-03T07:45:53Z)
• Preserving Knowledge Invariance: Rethinking Robustness Evaluation of Open Information Extraction [49.15931834209624]
  実世界におけるオープン情報抽出モデルの評価をシミュレートする最初のベンチマークを示す。 我々は、それぞれの例が知識不変のcliqueである大規模なテストベッドを設計し、注釈付けする。 さらにロバスト性計量を解明することにより、その性能が全体の傾きに対して一貫して正確であるならば、モデルはロバストであると判断される。
  論文  参考訳（メタデータ） (2023-05-23T12:05:09Z)
• Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
  実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。 本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。 本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
  論文  参考訳（メタデータ） (2022-01-11T23:01:12Z)

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。