論文の概要: Test-Time Logit Prompting for Source-Free Missing Modality Adaptation

• arxiv url: http://arxiv.org/abs/2609.02039v1
• Date: Wed, 02 Sep 2026 03:13:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.037279
• Title: Test-Time Logit Prompting for Source-Free Missing Modality Adaptation
• Title（参考訳）: ソース不要なモダリティ適応のためのテスト時間ロジットプロンプト
• Abstract要約: 本稿では,視覚認識のための軽量なソースフリーなテスト時間適応フレームワークとして,TLP(Test-Time Logit Prompting)を提案する。 TLPは、欠落したモダリティシナリオ下での認識性能を継続的に向上し、最大8%の改善を実現している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision-language models (VLMs) have achieved remarkable performance by leveraging complementary information from large-scale image-text pairs. However, missing-modality inputs are commonly encountered during real-world deployment, often leading to significant performance degradation. Existing methods primarily enhance model robustness by learning modality compensation strategies from source training data. However, their reliance on source training data makes them difficult to apply when original data are unavailable due to privacy, storage, or accessibility constraints, such as clinical applications and personalized AI services. This raises an important yet underexplored question: can VLMs be efficiently adapted at test time for visual recognition with missing modalities without accessing source training data? To this end, we propose Test-Time Logit Prompting (TLP), a lightweight source-free test-time adaptation framework for visual recognition with missing modalities. To address missing-induced prediction shifts, TLP optimizes logit prompts with uncertainty-aware adjustment and modality-complete consistency regularization, adaptively adjusting prediction confidence while preserving semantic consistency. Extensive experiments across diverse vision-language benchmarks demonstrate that TLP consistently enhances recognition performance under missing-modality scenarios, achieving up to 8\% improvements while requiring only hundreds of tunable parameters and a few test-time optimization steps.
• Abstract（参考訳）: 視覚言語モデル(VLM)は,大規模画像テキストペアの補完情報を活用することで,優れた性能を実現している。 しかしながら、モダリティの欠如は、現実のデプロイメント中に一般的に発生するもので、多くの場合、パフォーマンスが著しく低下する。 既存の手法は、ソーストレーニングデータからモダリティ補償戦略を学習することで、モデルロバスト性を向上させる。 しかし、ソーストレーニングデータに依存しているため、プライバシやストレージ、臨床アプリケーションやパーソナライズされたAIサービスといったアクセシビリティ制約のために、元のデータが利用できない場合、適用が困難になる。 VLMは、ソースのトレーニングデータにアクセスせずに、モダリティの欠如による視覚的認識のために、テスト時に効率的に適応できるだろうか? そこで本研究では,視覚認識のための軽量なソースフリーテスト時間適応フレームワークであるTest-Time Logit Prompting (TLP)を提案する。 欠落による予測シフトに対処するため、TLPは不確実性を考慮した調整とモダリティ完全整合正則化でロジットプロンプトを最適化し、セマンティック一貫性を維持しながら予測信頼度を適応的に調整する。 多様な視覚言語ベンチマークによる大規模な実験により、TLPは欠落したモダリティシナリオ下での認識性能を継続的に向上し、最大8倍の改善を実現し、調整可能なパラメータは数百、テスト時間最適化のステップは数回必要である。

関連論文リスト

• Learning from Reliable Latent Prompts for Visual Recognition with Missing Modalities [0.0]
  大規模マルチモーダルモデル(LMM)は,多種多様かつ大規模なペアリングモーダルの情報を相乗化することによって,視覚認識における優れた性能を実現している。 しかし、現実のシナリオでは、モダリティの欠如はユビキタスであり、モダリティ完全データに最適化されたモデルが急激な性能劣化を示す。 既存の研究では、インスタンスレベルの機能から動的プロンプトを生成することで、この問題を緩和するために即時学習を導入している。 欠落率が高くなると不完全モダリティの割合が増加し、学習の急激な不安定さによってモデルの性能が制限される。
  論文  参考訳（メタデータ） (2026-06-29T17:36:47Z)
• Pretrain-then-Adapt: Uncertainty-Aware Test-Time Adaptation for Text-based Person Search [26.52140212357349]
  テキストベースの人物検索は、厳格なプライバシー制約と手動アノテーションの高コストによって引き起こされるデータ不足により、固有の制限に直面している。 既存の手法は通常、合成人体カプセルデータに基づいてモデルを事前訓練するPretrain-then-Finetuneパラダイムに依存している。 オフラインテスト時間適応方式により、広範囲なターゲットドメインの監視に依存しない新しいPretrain-then-Adaptパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-04-07T07:48:15Z)
• Doubly Debiased Test-Time Prompt Tuning for Vision-Language Models [43.35073848153914]
  視覚言語モデルに対するテスト時プロンプトチューニングは、ゼロショット設定下での素晴らしい一般化機能を示している。 我々は、モデルとデータの観点から、迅速な最適化バイアスの根底にある原因を分析する。
  論文  参考訳（メタデータ） (2025-11-12T09:35:31Z)
• 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)
• In-context Demonstration Matters: On Prompt Optimization for Pseudo-Supervision Refinement [71.60563181678323]
  大規模言語モデル(LLM)は様々なタスクで大きな成功を収めており、生成品質をさらに向上させるためには微調整が必要である場合もある。 これらの課題に対処する直接的な解決策は、教師なしの下流タスクから高信頼のデータを生成することである。 本稿では,プロンプトと全体的な擬似スーパービジョンを両立させる新しい手法,擬似教師付きデモアライメント・アライメント・アライメント・プロンプト・最適化(PAPO)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-04T03:39:28Z)
• Data Adaptive Traceback for Vision-Language Foundation Models in Image Classification [34.37262622415682]
  我々はData Adaptive Tracebackと呼ばれる新しい適応フレームワークを提案する。 具体的には、ゼロショット法を用いて、事前学習データの最もダウンストリームなタスク関連サブセットを抽出する。 我々は、擬似ラベルに基づく半教師付き手法を採用し、事前学習画像の再利用と、半教師付き学習における確証バイアス問題に対処するための視覚言語コントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2024-07-11T18:01:58Z)
• Test-Time Adaptation for Combating Missing Modalities in Egocentric Videos [92.38662956154256]
  現実のアプリケーションは、プライバシの懸念、効率性の必要性、ハードウェアの問題により、不完全なモダリティを伴う問題に直面することが多い。 再トレーニングを必要とせずに,テスト時にこの問題に対処する新しい手法を提案する。 MiDlは、欠落したモダリティをテスト時にのみ扱う、自己管理型のオンラインソリューションとしては初めてのものだ。
  論文  参考訳（メタデータ） (2024-04-23T16:01:33Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• CAFA: Class-Aware Feature Alignment for Test-Time Adaptation [50.26963784271912]
  テスト時間適応(TTA)は、テスト時にラベルのないデータにモデルを適応させることによって、この問題に対処することを目的としている。 本稿では,クラス認識特徴アライメント(CAFA, Class-Aware Feature Alignment)と呼ばれる単純な機能アライメント損失を提案する。
  論文  参考訳（メタデータ） (2022-06-01T03:02:07Z)
• Listen, Adapt, Better WER: Source-free Single-utterance Test-time Adaptation for Automatic Speech Recognition [65.84978547406753]
  Test-time Adaptationは、ソースドメインでトレーニングされたモデルに適応して、テストサンプルの予測を改善することを目的としている。 単一発話テスト時間適応 (SUTA) は音声領域における最初のTTA研究である。
  論文  参考訳（メタデータ） (2022-03-27T06:38:39Z)

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。