UAPA：开放集测试时适应新方法
热点事件持续更新
UAPA：开放集测试时适应新方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Jinwu Hu等研究者提出即插即用的开放集测试时适应方法UAPA，在适应过程中区分协变量偏移的分布内样本与分布外样本，避免后者混入产生有害梯度。该方法结合不确定性驱动的分离、动态原型细化和对比原型熵适应。 论文报告，在CIFAR基准和Tiny-ImageNet-C上，UAPA的平均OSCR分别提升2.08和1.28个百分点。
AI 根据报道生成 · 3 小时前更新
最新进展11月4日 13:00
UAPA：面向开放集测试时适应的不确定性感知原型学习方法报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AIUAPA：面向开放集测试时适应的不确定性感知原型学习方法
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。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月4日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。