arXiv · cs.AI· Jinwu Hu·· 2 天前AI 评分30
UAPA：面向开集测试时自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
来源与原文
arXiv · cs.AI
作者：Jinwu Hu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.04689v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 UAPA，一种即插即用的开集测试时自适应（TTA）方法，通过不确定性驱动的 ID/OOD 分离、动态原型精炼和对比原型熵自适应，区分 csID 与 csOOD 样本，避免有害梯度损害已知类性能。实验显示，UAPA 在 CIFAR 基准和 Tiny-ImageNet-C 上分别超过最强基线平均 OSCR 2.08 和 1.28 个百分点。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。