論文の概要: Tail Cues, Principal Corrections: Plug-and-Play Rectification for Open-Set Test-Time Adaptation

• arxiv url: http://arxiv.org/abs/2610.36870v1
• Date: Tue, 27 Oct 2026 09:07:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.551619
• Title: Tail Cues, Principal Corrections: Plug-and-Play Rectification for Open-Set Test-Time Adaptation
• Title（参考訳）: Tail Cues, 主要補正: オープンセットテスト時間適応のためのプラグアンドプレイ整形
• Abstract要約: 本稿では,元線形ヘッドを幾何学的アンカーとして利用する後方自由整流モジュールTALORを提案する。 TALORは、主部分空間における軟弱アフィン補正を推定し、レジームレベルの主バイアスと尾条件の傾斜を組み合わせた。 2.5倍高速に動作し、GPUメモリのわずか12%しか使用していない。
• 参考スコア（独自算出の注目度）: 18.70132691409063
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open-Set Test-Time Adaptation (OSTTA) operates on non-stationary target streams where covariate and semantic shifts coexist. Existing TTA methods often obtain adaptation signals by updating model parameters or maintaining mutable memories, which can be costly and vulnerable to unknown samples. We present TALOR, a lightweight, backward-free rectification module that uses the source linear head as a geometric anchor. The head-induced basis decomposes each normalized feature into high-gain principal coordinates and low-gain tail coordinates. TALOR estimates a soft-routed affine correction in the principal subspace, combining a regime-level principal bias with a tail-conditioned slope that captures sample-level tail-to-principal coupling. Using weighted ridge regression, it subtracts this drift estimate from the principal coordinates, reconstructs the feature and feeds it into the source head. On the ImageNet-C benchmark with six csOOD datasets, TALOR outperforms the next-best UniEnt by 2.2% H-score while running 2.5x faster and using only 12% of its GPU memory; as a post-correction plug-in, it further boosts COME to 68.4% H-score with only 2% additional memory overhead.
• Abstract（参考訳）: Open-Set Test-Time Adaptation (OSTTA)は、共変量とセマンティックシフトが共存する非定常ターゲットストリームで動作する。 既存のTTA手法では、モデルパラメータを更新したり、変更可能なメモリを維持することで適応信号を得ることが多い。 本稿では,元線形ヘッドを幾何学的アンカーとして使用する軽量で後方自由な修正モジュールであるTALORについて述べる。 頭部誘起基底は各正規化特徴を高利得主座標と低利得尾座標に分解する。 TALORは、主部分空間における軟弱アフィン補正を推定し、規則レベルの主偏差と、サンプルレベルの尾と主の結合を捉える尾条件の傾斜を組み合わせている。 重み付きリッジ回帰を用いて、主座標からこのドリフト推定を減算し、特徴を再構成し、ソースヘッドに供給する。 6つのcsOODデータセットを持つImageNet-Cベンチマークでは、TALORは、2.5倍高速に動作し、GPUメモリのわずか12%しか使用せず、次の最上位のUniEntを2.2%Hスコアで上回る。

関連論文リスト

• PosePlaner: Denoising Any Feed-Forward Pose Predictor from Pairwise Planar Geometry [57.19469836839409]
  最近の多視点変換器は、2つのビューから多くのビューと長いシーケンスへのトレーニングデータとモデルキャパシティのスケーリングにより、高度な3次元再構成を実現している。 我々はPosePlanerを提案し、このギャップを埋めるために、古典的な対応とフローマッチングによるポーズの結合を復活させることにより、このギャップを埋める。 提案手法は2視点データに基づいて効率よく訓練されるが,n視点ポーズ推定器をリトレーニングなしでストリーミングするための周期的精錬器として機能する。
  論文  参考訳（メタデータ） (2026-10-26T04:55:36Z)
• Direct Conditional Parameterization for N-Dimensional Splatting [28.593251192665402]
  N-DGSとUBSはこのステップをガウスカーネルとベータカーネルで共有している。 生産スライシングは、オンザフライの共分散条件より6.9-7.7倍速い。 直接条件付けは、N次元スプラッティングの構造化された、カーネルに依存しない代替手段を提供する。
  論文  参考訳（メタデータ） (2026-10-16T00:39:55Z)
• H2CE: Modeling Geo-Semantic Interactions for POI Reranking with Heterogeneous Two-Stage Cross-Encoders [50.334243169621175]
  ローカル検索におけるPOI(Point-of-Interest)の再ランクは、クエリ条件付きトレードオフをモデル化する必要がある。 遅延バウンドPOIリグレードのための異種二段クロスエンコーダH2CEを提案する。
  論文  参考訳（メタデータ） (2026-10-08T05:40:08Z)
• KPGrasp: Scalable Keypoint Flow Matching for Dexterous Grasp Generation [23.028638559051597]
  KPGraspは,大規模データから事前の詳細な把握を学習するフローマッチングフレームワークである。 20の多様なオブジェクトに対する実験は、パイプラインを現実世界のセットアップでデプロイできることを示しています。
  論文  参考訳（メタデータ） (2026-06-08T10:19:29Z)
• LimiX-2M: Mitigating Low-Rank Collapse and Attention Bottlenecks in Tabular Foundation Models [56.999481798138625]
  LimiX-2Mは2Mパラメータモデルであり、広く使われているベンチマークでTabPFN-v2とTabICLのベースラインを上回っている。 本稿では,強力なタブラル基礎モデル(TFM)のための統一トークン化・ルートフレームワークを提案する。 その結果、TFMにおける精度-効率トレードオフを改善するキーレバーとして、バリューアウェアトークン化とリードアウト整列ルーティングが強調された。
  論文  参考訳（メタデータ） (2026-06-03T06:07:33Z)
• Predictive Spectral Calibration for Source-Free Test-Time Regression [0.764671395172401]
  Predictive Spectral (PSC) は、サブスペースアライメントを拡張してスペクトルマッチングをブロックする、ソースフリーのフレームワークである。 PSCは実装が簡単で、モデルに依存しず、市販の事前訓練された回帰器と互換性がある。
  論文  参考訳（メタデータ） (2026-03-10T08:15:44Z)
• ALoRE: Efficient Visual Adaptation via Aggregating Low Rank Experts [71.91042186338163]
  ALoREは、Kroneckerによって構築された超複素パラメータ化空間をAggregate Low Rank Expertsに再利用する新しいPETL法である。 巧妙な設計のおかげで、ALoREは無視できる余分なパラメータを保持し、凍ったバックボーンに強制的にマージできる。
  論文  参考訳（メタデータ） (2024-12-11T12:31:30Z)
• Bidirectional Regression for Monocular 6DoF Head Pose Estimation and Reference System Alignment [23.65735794927899]
  TRGv2は、我々のTranslation, Rotation, and Geometry (TRG)ネットワークの軽量拡張である。 顔のランドマークと6DoFは、ランドマーク・ツー・イメージ・プロジェクションで反復的なリファインメントループを通してポーズを推測する。 アウト・オブ・ディストリビューションデータへの一般化を改善するため、TRGv2は変換を直接予測するのではなく、補正パラメータを回帰する。 不整合性中心定義によるデータセット間評価において,これまで見過ごされていたバイアス源を同定する。
  論文  参考訳（メタデータ） (2024-07-19T09:05:49Z)
• Rethinking Few-shot 3D Point Cloud Semantic Segmentation [62.80639841429669]
  本稿では,FS-PCSによる3Dポイント・クラウドセマンティックセマンティックセグメンテーションについて再検討する。 我々は、最先端の2つの重要な問題、前景の漏洩とスパースポイントの分布に焦点をあてる。 これらの問題に対処するために、新しいベンチマークを構築するための標準化されたFS-PCS設定を導入する。
  論文  参考訳（メタデータ） (2024-03-01T15:14:47Z)

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。