論文の概要: RADC: Risk-Aware Dual Caching for Vision-Language Test-Time Adaptation
- arxiv url: http://arxiv.org/abs/2610.06932v1
- Date: Sat, 03 Oct 2026 02:28:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.472157
- Title: RADC: Risk-Aware Dual Caching for Vision-Language Test-Time Adaptation
- Title（参考訳）: RADC:ビジョンランゲージテスト時間適応のためのリスク対応デュアルキャッシング
- Abstract要約: ビジョン言語モデルに対するキャッシュベースのテスト時間適応は、グローバル表現の背景バイアスや、表現のバリエーションによる信頼性の低いエントロピーベースのキャッシュ入力によって妨げられることが多い。
本稿では、信頼性の高いデュアルキャッシングによるプロトタイプ学習を強化するRADCを提案する。
- 参考スコア（独自算出の注目度）: 18.980602660803175
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cache-based test-time adaptation (TTA) for vision-language models is often hindered by background bias in global representations and unreliable entropy-based cache admission under representation variations. To address these limitations, we propose RADC, which enhances prototype learning through reliable dual caching. RADC introduces a Semantic Foreground Cache that aggregates category-consistent spatial evidence from CLIP representations, yielding foreground prototypes that complement the global cache while mitigating background interference. To reliably manage both caches, Gaussian Risk Admission models multi-view representations as diagonal Gaussian distributions and jointly considers class separation and feature uncertainty to prioritize reliable cache candidates. RADC integrates zero-shot logits with complementary global- and foreground-cache predictions for robust inference. Extensive experiments on cross-domain and out-of-distribution benchmarks demonstrate consistent state-of-the-art performance.
- Abstract（参考訳）: ビジョン言語モデルに対するキャッシュベースのテスト時間適応(TTA)は、大域的な表現の背景バイアスや、表現のバリエーションによる信頼性の低いエントロピーベースのキャッシュ入力によってしばしば妨げられる。
これらの制約に対処するため、信頼性の高いデュアルキャッシングによるプロトタイプ学習を強化するRADCを提案する。
RADCは、CLIP表現からカテゴリ一貫性のある空間証拠を集約したセマンティックフォアグラウンドキャッシュを導入し、バックグラウンド干渉を緩和しながらグローバルキャッシュを補完するフォアグラウンドプロトタイプを生成する。
両方のキャッシュを確実に管理するために、ガウスリスクアドミッションモデルでは、マルチビュー表現を対角ガウス分布として扱い、クラス分離と機能不確実性を共同で検討し、信頼性の高いキャッシュ候補を優先順位付けする。
RADCはゼロショットロジットと補完的なグローバルおよびフォアグラウンドキャッシュ予測を統合して、堅牢な推論を行う。
クロスドメインおよびアウト・オブ・ディストリビューションベンチマークに関する大規模な実験は、一貫した最先端性能を示している。
関連論文リスト
- Towards Purified Multi-Label Test-Time Adaptation of Vision-Language Models [81.26524429852992]
PuRFは、視覚言語モデルの多ラベルテスト時間適応のための新しいPuRiFication駆動キャッシュベースの手法である。
PuRFは最先端の手法を一貫して上回り、ViT-B/32では5つのデータセットで4.05%のmAP改善を実現している。
論文 参考訳（メタデータ） (2026-08-26T11:36:11Z) - DiCache: Let Diffusion Model Determine Its Own Cache [62.954717254728166]
DiCacheは、実行時に拡散モデルを加速するためのトレーニング不要のアダプティブキャッシュ戦略である。
Online Probe Profiling Schemeは浅層オンラインプローブを利用して,キャッシュエラーのオンザフライインジケータをリアルタイムで取得する。
Dynamic Cache Trajectory Alignmentは、マルチステップの履歴キャッシュから出力されるディープ層の特徴を近似する。
論文 参考訳（メタデータ） (2025-08-24T13:30:00Z) - Adaptive Cache Enhancement for Test-Time Adaptation of Vision-Language Models [6.403304540670581]
視覚言語モデル (VLM) は、ゼロショット一般化が際立つが、分布シフトによる性能劣化に悩まされる。
TTA(Test-Time Adaptation)は、推論中のVLMのオンライン最適化を可能にし、アノテーション付きデータの必要性をなくすことによって、この問題に対処する。
本稿では,高信頼あるいは低エントロピー画像のクラスごとの埋め込みを選択的に記憶することで,堅牢なキャッシュを構築する適応キャッシュ拡張(ACE)フレームワークを紹介する。
論文 参考訳（メタデータ） (2025-08-11T03:03:34Z) - 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) - Mitigating Cache Noise in Test-Time Adaptation for Large Vision-Language Models [13.157596316463621]
下流タスクにおける分散シフトに起因する性能劣化に対する解決策として,視覚言語モデルのテスト時適応(TTA)が注目されている。
我々は、包括的で信頼性の高いキャッシュ機構を導入し、キャッシュ、残留、ガウス(CRG)と呼ばれる新しいゼロショットTTA手法を提案する。
13のベンチマーク実験の結果、CRGは最先端のTTA法よりも優れており、例外的な堅牢性と適応性を示している。
論文 参考訳（メタデータ） (2025-03-24T04:32:35Z) - Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。
SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
論文 参考訳（メタデータ） (2021-12-12T06:11:16Z)
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。