論文の概要: WISE-ATTA: When to Ask for Labels in Budgeted Active Test-Time Adaptation

• arxiv url: http://arxiv.org/abs/2609.37687v2
• Date: Fri, 02 Oct 2026 14:01:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:29.951036
• Title: WISE-ATTA: When to Ask for Labels in Budgeted Active Test-Time Adaptation
• Title（参考訳）: WISE-ATTA: アクティブテスト時間適応の予算化においてラベルを問う
• Abstract要約: アクティブテスト時間適応(ATTA)は、分散シフト時の堅牢性を改善する。 既存のATTAメソッドの多くは、入ってくるテストバッチ毎に監督を要求できると暗黙的に仮定している。 テストバッチのごく一部でラベルが利用できる、予算付きATTAを導入します。
• 参考スコア（独自算出の注目度）: 6.859141034463871
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Active test-time adaptation (ATTA) improves robustness under distribution shift by updating a deployed model during inference while selectively querying supervision. However, most existing ATTA methods implicitly assume that supervision can be requested for every incoming test batch, which can incur substantial annotation cost over long test streams. In this work, we introduce budgeted ATTA in which labels are available for only a fraction of test batches. This formulation shifts the central challenge from deciding what to label within a batch to deciding when supervision should be applied over time. To address this challenge, we propose a budget-aware approach WISE-ATTA that allocates supervision over the test stream based on lightweight signals computed online, prioritizing periods where supervision is likely to be most useful. When a batch is selected for supervision, we further employ a drift-based sample selection criterion that targets samples exhibiting ongoing, unconverged adaptation dynamics, enabling effective updates from a single labeled example. We evaluate this approach on synthetic corruptions (ImageNet-C) and natural distribution shifts (ImageNet-R/K/A). Across settings, WISE-ATTA achieves competitive or improved performance compared to recent ATTA methods while requiring substantially fewer labels. Overall, we find that the timing of supervision is a key, yet underexplored, aspect of active test-time adaptation. Code: https://github.com/Muhammad-Huzaifaa/WISE-ATTA
• Abstract（参考訳）: アクティブテスト時間適応(ATTA)は、インスペクション中にデプロイされたモデルを更新し、監視を選択的にクエリすることで、分散シフト時のロバスト性を改善する。 しかし、既存のATTAメソッドの多くは、長いテストストリームに対して相当なアノテーションコストを発生させる可能性のある、入ってくるテストバッチ毎に監督を要求することができると暗黙的に仮定している。 本研究では,テストバッチのごく一部でラベルが利用可能となる,予算付きATTAを導入する。 この定式化は、中央の課題を、バッチ内でラベルを決定するものから、時間とともに監督を適用するべき時期を決定するものへとシフトさせる。 この課題に対処するために、オンラインで計算された軽量信号に基づいて、テストストリームの監督を割り当てるWISE-ATTA(WISE-ATTA)を提案する。 バッチが監視のために選択されると、ドリフトベースのサンプル選択基準が適用され、進行中の非収束適応ダイナミクスを示すサンプルをターゲットとして、単一のラベル付きサンプルから効果的な更新を可能にする。 本研究では, 合成汚職 (ImageNet-C) と自然分布変化 (ImageNet-R/K/A) について検討した。 WISE-ATTAは、最近のATTA法と比較して、かなり少ないラベルで、競争力や性能の向上を実現している。 全体的に見て、監督のタイミングは、アクティブなテスト時間適応の重要かつ未調査な側面であることがわかった。 コード:https://github.com/Muhammad-Huzaifaa/WISE-ATTA

関連論文リスト

• 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)
• 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)
• Active Test-Time Adaptation: Theoretical Analyses and An Algorithm [51.84691955495693]
  テスト時間適応(TTA)は、教師なし設定でストリーミングテストデータの分散シフトに対処する。 完全TTA設定内に能動学習を統合する能動テスト時間適応(ATTA)の新たな問題設定を提案する。
  論文  参考訳（メタデータ） (2024-04-07T22:31:34Z)
• Channel-Selective Normalization for Label-Shift Robust Test-Time Adaptation [16.657929958093824]
  テスト時間適応は、推論中にモデルを新しいデータ分布に調整するアプローチである。 テスト時のバッチ正規化は、ドメインシフトベンチマークで魅力的なパフォーマンスを達成した、シンプルで一般的な方法である。 本稿では、ディープネットワークにおけるチャネルのみを選択的に適応させ、ラベルシフトに敏感な劇的な適応を最小化することで、この問題に対処することを提案する。
  論文  参考訳（メタデータ） (2024-02-07T15:41:01Z)
• Generalized Robust Test-Time Adaptation in Continuous Dynamic Scenarios [18.527640606971563]
  テスト時間適応(TTA)は、未ラベルのテストデータストリームのみを使用する推論フェーズにおいて、事前訓練されたモデルに分散をテストする。 本稿では,問題に効果的に対応する汎用ロバストテスト時間適応(GRoTTA)法を提案する。
  論文  参考訳（メタデータ） (2023-10-07T07:13:49Z)
• Feature Alignment and Uniformity for Test Time Adaptation [8.209137567840811]
  テスト時間適応は、分散テストドメインサンプルの受信時にディープニューラルネットワークを適用することを目的としている。 この設定では、モデルはトレーニングドメイン上のオンラインのラベルなしテストサンプルと事前トレーニングされたモデルにのみアクセスすることができる。
  論文  参考訳（メタデータ） (2023-03-20T06:44:49Z)
• WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
  弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。 エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。 提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
  論文  参考訳（メタデータ） (2021-05-21T11:58:50Z)
• Coping with Label Shift via Distributionally Robust Optimisation [72.80971421083937]
  分散ロバスト最適化(DRO)に基づく目的最小化モデルを提案する。 そこで我々は,提案した目的を最適化するために,大規模問題に適した勾配降下近位ミラー上昇アルゴリズムを設計し,解析する。
  論文  参考訳（メタデータ） (2020-10-23T08:33:04Z)

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。