論文の概要: Should This Case Be Adapted? Prediction Fragmentation Controls Test-Time Adaptation
- arxiv url: http://arxiv.org/abs/2609.20700v1
- Date: Thu, 17 Sep 2026 17:02:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.392807
- Title: Should This Case Be Adapted? Prediction Fragmentation Controls Test-Time Adaptation
- Title（参考訳）: このケースは適応すべきか? 予測フラグメンテーション制御とテスト時間適応
- Abstract要約: エピソードテスト時間適応は、凍結セグメンタを各ケースのソースウェイトにリセットし、固定ステップ数に適応する。
固定地平線はコホートレベルの問題、どの程度の距離で適応するか、そして不可解なケースごとの質問を膨らませる。
我々は、この害を、コントローラが配置する編集領域の有害な部分である有害許容領域(HA)として定量化する。
- 参考スコア（独自算出の注目度）: 10.143713953177533
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Episodic test-time adaptation resets a frozen segmenter to source weights $M_0$ on each case and adapts for a fixed step count. A fixed horizon conflates a cohort-level question, how far to adapt, with an irreducibly per-case one, whether this case should be adapted at all. Cohort means hide that decision: on cross-vendor cardiac MRI the mean $Δ$Dice from adaptation is statistically indistinguishable from zero while 58.7% of cases are individually made worse. We quantify this harm as harmful accepted area (HA), the harmful fraction of the edited area a controller deploys. Held-out tuning gives a stronger baseline than a fixed horizon, but the budget it selects transfers on neither of the two main medical benchmarks, and no global budget can condition on the case. We show that prediction fragmentation---the disagreement geometry between $M_0$ and the adapted mask $M_k$---predicts HA with no labels or extra backward passes at decision time, comparably on three benchmarks (Spearman $ρ$ 0.50--0.60), at a quarter of gradient-norm's latency. A case-level router built on it cuts HA from 0.228 to 0.139 on a benchmark that took no part in its design, with the design frozen and only cut-points recalibrated there. On the cardiac benchmark the design was selected on, the router cuts HA from 0.129 to 0.013 at matched Dice and 1.10 deployed updates, against the retrospective-best budget found post hoc on evaluation labels, and reduces that 58.7% to 20.0%, an upper bound we quantify. Where the retained cases are not net-helped (as on prostate), the router still cuts HA but concedes accuracy, a boundary we report. Thresholds are fit once on a labeled split disjoint from evaluation; decisions use no labels or gradients. The template ports across architecture and domain (nnU-Net$\to$SegFormer, Cityscapes$\to$ACDC) with coordinate, thresholds and per-bucket actions instantiated per domain.
- Abstract（参考訳）: エピソードテスト時適応は、凍結セグメンタを各ケースでM_0$のソース重みにリセットし、固定ステップ数に適応する。
固定地平線は、コホートレベルの問題、どの位の範囲に適応するか、ケースごとの既約値、このケースが適用されるべきかどうかという疑問を膨らませる。
コホート(Cohort)とは、その決定を隠すことを意味する: クロスベンダー心電図では、適応からの平均$Δ$Diceは統計的に0と区別できないが、58.7%は個別に悪化している。
我々は、この害を、コントローラが配置する編集領域の有害な部分である有害許容領域(HA)として定量化する。
ヘルドアウトチューニングは固定された地平線よりも強いベースラインを与えるが、それが選択する予算は2つの主要な医療ベンチマークのどちらにも当てはまらない。
予測フラグメンテーション--$M_0$と適応マスク$M_k$---は、ラベルや余分な後方通過のないHAを3つのベンチマーク(Spearman $ρ$ 0.50$-0.60)で比較して、勾配ノルムのレイテンシの4分の1で予測する。
ケースレベルのルータはHAを0.228から0.139に減らし、設計には一切関与せず、設計は凍結され、カットポイントのみが再調整された。
設計が選択された心臓のベンチマークでは、ルータHAが一致したDiceで0.129から0.013にカットされ、1.10が展開された。
保持されているケースがネットヘルプされていない場合(前立腺の場合のように)、ルータは依然としてHAをカットするが、精度は低下する、と我々は報告している。
閾値はラベル付き分割で評価から切り離され、決定はラベルや勾配を使用しない。
テンプレートは、アーキテクチャとドメイン(nU-Net$\to$SegFormer, Cityscapes$\to$ACDC)にまたがって、座標、しきい値、バケット毎のアクションをインスタンス化する。
関連論文リスト
- SS-ESOAP: Self-Scaled Adaptive Preconditioning for Physics-Informed Learning [70.71795707610961]
メソッドは、Kronecker幾何に適応したスカラーセマントエネルギー補正でSOAPスタイルのプレコンディショニングを強化する。
メソッドは8つのPDEベンチマークのうち6つで最下位の残差に達する。
4つの代表PDEの3列の$L2$と$H1$エラーは、低い残差と改善された解精度の間のリンクをサポートする。
論文 参考訳（メタデータ） (2026-08-29T21:34:47Z) - CARD: Calibration via Agreement in Reverse Diffusion for Out-of-Domain MRI Segmentation [14.844162865265673]
そこで我々は,不一致の時間的集合を全クラスにわたって1ピクセルあたりの温度場にマッピングし,セグメント化ができない間に信頼度が変化するようにCARDを提案する。
心臓、前立腺、脳のMRIシフトによって、CARDは各設定において最強のベースラインと比較した場合、49の45のキャリブレーション誤差を低下させる。
論文 参考訳（メタデータ） (2026-08-26T07:23:08Z) - BagShift: Measuring How Patch Selection Changes the Evidence Seen by Whole-Slide MIL [5.37385089150859]
BagShiftは、同じケースのセレクタを変更しながら、その機能と予測子を固定したペアプロトコルである。
均等な128パッチの予算で、組織をサンプリングしたり、1つの座標の周りに集中させたりすると、明らかに異なる証拠が浮かび上がる。
CAMELYON16では, 微小転移観察の10.0%に限って, 局所的な観察が腫瘍を保っていることが示唆された。
局所的な観測を繰り返すと、1つの非線形MILパスの前にパッチを結合することで、平均的な地域予測よりもPANDA QWKを7.87ポイント改善する。
論文 参考訳（メタデータ） (2026-08-16T23:53:11Z) - The Cost of Adaptivity: Matching Lower Bounds Across Learning Problems [1.0742675209112622]
我々はスライス正規化ミニマックス比を用いてニュアンス適応を定式化する。
また、事前発表された1つのガウスクエリから任意のポストホックインスペクションへ拡張するコストを定義する。
論文 参考訳（メタデータ） (2026-08-09T17:19:11Z) - Exact and Calibrated Diffusion Reconstruction for Digital Breast Tomosynthesis [0.0]
リミテッドアングルデジタル乳房トモシンセシス(DBT)は、狭い弧上のいくつかの低線量プロジェクションから体積を再構成する。
条件付き拡散は、強い知覚品質を達成するが、不正確なデータ一貫性、非局所化幻覚、未校正不確実性の3つの臨床的障害を残している。
これは、有限角再構成のためのデータ一貫性、不確実性の校正された最初の学習的再構成である。
論文 参考訳（メタデータ） (2026-07-14T16:10:10Z) - From Theory to Decision Rule: Calibrating the Noisy-Label Crossover for Vision-Language Model Weak Supervision Across Three Medical-Imaging Benchmarks [41.99844472131922]
基礎モデル弱いラベルに対するベンチマークキャリブレーションを提供する。
理論によって予測される交差は、PCAMではng100、ISICでは20-50、NIH-CXRでは250-500である。
NIH-CXR上の構造付きvs-ランダムノイズ符号フリップは、境界のレートのみの定式化が不完全であることを示す。
論文 参考訳（メタデータ） (2026-05-23T23:15:07Z) - Bandit Convex Optimization with Gradient Prediction Adaptivity [56.816177049016794]
本研究では, 楽観的な勾配予測が, 最悪の後悔の保証を予測順応的に改善できるかどうかを考察する。
鍵となるアイデアは、分散が勾配ノルムではなく予測誤差でスケールする、新しい分散還元勾配推定器である。
我々は、$(sqrtmathbbE[S_T])$としてスケールする情報理論の下限を確立し、最も達成可能な予測適応的後悔の基本的な特徴を提供する。
論文 参考訳（メタデータ） (2026-05-21T08:57:38Z) - TARG: Training-Free Adaptive Retrieval Gating for Efficient RAG [46.122203287541005]
トレーニングフリーのAdaptive Retrieval Gating (TARG) は、ベースモデルからの短い非遅延ドラフトのみを使用していつ取得するかを決定する、単発のポリシーである。
NQ-Open、TriviaQA、PopQAでは、TARGは一貫して精度と効率のフロンティアをシフトさせる。
論文 参考訳（メタデータ） (2025-11-12T23:09:52Z) - Coverage-Guaranteed Speech Emotion Recognition via Calibrated Uncertainty-Adaptive Prediction Sets [0.0]
しばしば感情的な抑圧と突然のアウトバーストによって引き起こされる道路の怒りは、衝突や攻撃的な行動を引き起こすことによって道路の安全を著しく脅かす。
音声感情認識技術は、ネガティブな感情を早期に識別し、タイムリーな警告を発することにより、このリスクを軽減することができる。
本稿では,予測精度を統計的に厳格に保証するリスク制御予測フレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-24T12:26:28Z) - Clustered Switchback Designs for Experimentation Under Spatio-temporal Interference [44.644520116360106]
我々は, 平均治療効果 (GATE) を推定し, 全単位を常に治療やコントロールに曝露した平均結果の差を推定した。
そこで我々は,単位をクラスタにグループ化し,時間ステップをブロックにグループ化する,クラスタ化されたスイッチバック設計を提案する。
良好なクラスタリングを許容するグラフに対して, トラッピングされたHorvitz-Thompson推定器が$tilde O(1/NT)$平均二乗誤差(MSE)を達成することを示す。
我々の結果は、citethu2022switchback、ugander2013graph、citetleung2022rateの結果を同時に一般化する。
論文 参考訳（メタデータ） (2023-12-25T01:00:58Z)
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。