研究者发布开集测试时自适应方法UAPA论文
热点事件观察中
研究者发布开集测试时自适应方法UAPA论文
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Jinwu Hu 等研究者在 arXiv 发布论文，提出开集测试时自适应（TTA）方法 UAPA（Uncertainty-Aware Prototype Learning）。该方法即插即用，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。 据论文实验，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。
AI 根据报道生成 · 11 小时前更新
最新进展11月3日 19:12
UAPA：面向开集测试时自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3日
- arXiv · cs.AIUAPA：面向开集测试时自适应的不确定性感知原型学习方法
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。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 411月5日 03:00
- 近 24 小时变化
- –
01234
04:0006:0008:0010:0012:00
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。