arXiv · cs.AI · Jinwu Hu, Langyu Bian, Jian Sun, Dongjin Yang, Chao Shuai, Yufeng Wang, Kai Zhou, Bin Xiao, Mingkui Tan, Hongmin Cai, Wei Luo · 4 小时前模型评分29
UAPA：面向开放集测试时适应的不确定性感知原型学习方法
Uncertainty-Aware Prototype Learning for Open-Set Test-Time Adaptation
导读
研究者提出即插即用的开放集测试时适应方法 UAPA，用不确定性驱动的分布内/分布外分离区分协变量偏移的分布内（csID）与分布外（csOOD）样本，避免后者混入适应过程产生有害梯度。该方法结合动态原型细化与对比原型熵适应，在 CIFAR 基准和 Tiny-ImageNet-C 上平均 OSCR 分别提升 2.08 和 1.28 个百分点。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “To address this, we propose Uncertainty-Aware Prototype Learning for Open-Set Test-Time Adaptation (UAPA), a plug-and-play method for reliable open-set adaptation.”
来源：arXiv · cs.AI · arxiv.org