論文の概要: Continual Test-Time Adaptation via Entropy Sensitivity-Guidance in Strict Online Setting

• arxiv url: http://arxiv.org/abs/2608.29920v1
• Date: Sun, 30 Aug 2026 17:30:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.117205
• Title: Continual Test-Time Adaptation via Entropy Sensitivity-Guidance in Strict Online Setting
• Title（参考訳）: 厳密なオンライン設定におけるエントロピー感度誘導による連続的テスト時間適応
• Abstract要約: 汚職スタイルのストリームに対する厳密なオンライン連続TTA(CTTA)手法であるSEGA(Sensitivity-Guided Erasing Adaptation)を紹介する。 SEGAは、情報の除去に伴う予測エントロピーの変化を調査するために、少数の構造化された消去を使用する。 ImageNet-C、CIFAR10/100-C、および制御された汚職スタイルのプロキシとして処理された汚職生成水養殖ストリームの実験において、SEGAは一貫性のある堅牢性と安定性を得る。
• 参考スコア（独自算出の注目度）: 4.775158008378889
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Test-time adaptation (TTA) promises robustness under distribution shift by updating a pretrained model on unlabeled test data, but strict online TTA with batch size one and no access to source data is especially prone to drift or collapse. We introduce Sensitivity-Guided Erasing Adaptation (SEGA), a method for strict online continual TTA (CTTA) on corruption-style streams. SEGA uses a small number of structured erasures to probe how predictive entropy changes as information is removed, and uses the resulting per-sample sensitivity trajectories to coordinate recovery and sample selection rather than relying on raw entropy or batch statistics. This yields a practical feedback signal for long-horizon batch-size-one adaptation without periodic resets or model reservoirs. In experiments on ImageNet-C, CIFAR10/100-C, and corruption-generated aquaculture streams treated as controlled corruption-style proxies, SEGA yields consistent robustness and stability gains over strong CTTA baselines while reducing backward passes through sensitivity-based gating.
• Abstract（参考訳）: テストタイム適応(TTA)は、未ラベルのテストデータに事前トレーニングされたモデルを更新することで、分散シフト時のロバスト性を保証するが、バッチサイズが1で、ソースデータへのアクセスがない厳密なオンラインTTAは、特にドリフトまたは崩壊しがちである。 汚職スタイルのストリームに対する厳密なオンライン連続TTA(CTTA)手法であるSEGA(Sensitivity-Guided Erasing Adaptation)を紹介する。 SEGAは、情報の除去に伴う予測エントロピーの変化を調査するために、少数の構造化された消去を使用しており、結果として得られたサンプルごとの感度トラジェクトリを使用して、生のエントロピーやバッチ統計に頼るのではなく、リカバリとサンプルの選択を調整する。 これにより、周期的なリセットやモデル貯水池を使わずに、長い水平バッチサイズ1適応のための実用的なフィードバック信号が得られる。 ImageNet-C、CIFAR10/100-C、および制御された汚職型プロキシとして処理された汚職生成水養殖ストリームの実験において、SEGAは、感度ベースのゲーティングによる後方通過を減少させながら、強いCTTAベースラインよりも一貫した堅牢性と安定性を得る。

関連論文リスト

• Reliability-Guided Adaptive Ensembling for Robust Test-Time Adaptation [21.989744597091192]
  テスト時間適応(TTA)は、ソースデータなしでドメインシフトを行うことができるが、逆向きに汚染されたテストストリームの下では、非常に脆弱である。 本研究は, 標準TTAと比較し, 相対的に過小評価されている, 対向ストリーム設定におけるRTTAについて検討する。 RTTAのためのトレーニング不要な信頼性誘導型拡張ラッパーSAFERを提案する。
  論文  参考訳（メタデータ） (2026-06-21T06:20:22Z)
• Distill Once, Adapt Life-Long: Exploring Dataset Distillation for Continual Test-Time Adaptation [58.69982623883049]
  連続テスト時間適応(CTTA)は、ラベル付きデータなしでオンラインに適応することで、進化するターゲットドメインの下でモデルパフォーマンスを維持することを目的としている。 DO-ALL(Distill Once, Adapt Life-Long)は、ソース情報をコンパクトでプライバシに意識した形で再考するプラグイン・アンド・プレイのフレームワークである。
  論文  参考訳（メタデータ） (2026-06-18T13:11:13Z)
• MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
  連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。 ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
  論文  参考訳（メタデータ） (2026-05-18T01:52:12Z)
• 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)
• Calibration-Free EEG-based Driver Drowsiness Detection with Online Test-Time Adaptation [43.83587667787693]
  ドローシー・ドライビングは交通事故の増大の原因であり、脳波に基づくドローシー検知システム(EEG)の最近の探索を促している。 特に,脳波信号の物体間変動は,領域シフトの問題を引き起こす。 そこで本稿では,オンラインテスト時間適応手法を利用して対象対象の分布に動的に適応する新しいドライバの眠気検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-27T02:27:10Z)
• SteeringTTA: Guiding Diffusion Trajectories for Robust Test-Time-Adaptation [10.159672026403097]
  テスト時間適応(TTA)は、未ラベルのテストデータを用いてモデルや入力を更新することにより、分散シフト下でのディープモデルの性能劣化を補正することを目的としている。 本稿では,Fynman-Kac ステアリングを応用し,擬似ラベルによる報酬付き分類のための拡散型入力適応を導出する推論専用フレームワークである SteeringTTA を提案する。
  論文  参考訳（メタデータ） (2025-10-16T12:46:53Z)
• BayesTTA: Continual-Temporal Test-Time Adaptation for Vision-Language Models via Gaussian Discriminant Analysis [41.09181390655176]
  CLIPのような視覚言語モデル(VLM)は、強いゼロショット認識を実現するが、実世界のシナリオに共通する時空間的な分散シフトの下で大幅に劣化する。 テスト分布が時間とともに徐々に変化するCT-TTA(textitContinal-Temporal Test-Time Adaptation)として、この実践的問題を定式化する。 我々は、時間的に一貫した予測を実行し、視覚表現を動的に調整する、ベイズ適応フレームワークであるtextitBayesTTAを提案する。
  論文  参考訳（メタデータ） (2025-07-11T14:02:54Z)
• Test-Time Adaptation with Binary Feedback [50.20923012663613]
  BiTTAは、不確実なサンプルに対するバイナリフィードバック誘導適応と、確実な予測に対する合意に基づく自己適応のバランスをとる、新しいデュアルパス最適化フレームワークである。 実験の結果、BiTTAは最先端のベースラインよりも13.3%の精度向上を実現している。
  論文  参考訳（メタデータ） (2025-05-24T05:24:10Z)
• 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)
• Persistent Test-time Adaptation in Recurring Testing Scenarios [12.024233973321756]
  現在のテスト時間適応(TTA)アプローチは、継続的に変化する環境に機械学習モデルを適用することを目的としている。 しかし,TTA法が長期にわたって適応性を維持することができるかどうかは不明である。 本稿では,モデルが崩壊に向かって変動していることを検知し,適応戦略を調整する永続的TTA(PeTTA)を提案する。
  論文  参考訳（メタデータ） (2023-11-30T02:24:44Z)
• Efficient Test-Time Model Adaptation without Forgetting [60.36499845014649]
  テストタイム適応は、トレーニング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。 信頼性および非冗長なサンプルを同定するためのアクティブなサンプル選択基準を提案する。 また、重要なモデルパラメータを劇的な変化から制約するFisher regularizerを導入します。
  論文  参考訳（メタデータ） (2022-04-06T06:39:40Z)

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。