Back to Source：ドメイン補償によるオープンセット継続的テスト時適応

arXiv cs.CV / 2026/4/24

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

この論文では、推論中にドメインが継続的に変化する一方で、未知のセマンティッククラスも同時に現れ得る実運用に近い設定「Open-set Continual Test-Time Adaptation（OCTTA）」を提案しています。
ドメインシフトとセマンティックな変化が結びつくことで特徴空間が崩壊し、その結果として分類と外部（OOD）検出の双方が大きく損なわれると指摘しています。
著者らは、ドメイン適応とOOD検出を協調的に行う軽量な枠組み「DOmain COmpensation（DOCO）」を提案しています。
DOCOは、確からしいIDサンプルとOODサンプルを動的に分割し、IDサンプルだけを用いてソースドメインとの特徴量統計の整合（アライン）によりドメイン補償用のプロンプトを学習します。また構造保存の正則化でセマンティックな歪みを防ぎます。
学習したプロンプトを同一バッチ内のOODサンプルにも伝播させ、セマンティックな新規性をより確実に切り分けることで検出精度を高め、複数のOCTTAベンチマークで従来のCTTA/OSTTAを上回り新たな最先端を達成したと報告しています。

概要: テスト時適応（TTA）は、推論時における学習ドメインとテストドメインの間の分布シフトを緩和することを目的としています。しかし、既存のTTA手法は、モデルが継続的に変化するドメインと、同時に未知の意味クラスの新規出現の両方に直面する現実的な状況では不十分です。この困難な設定を、Open-set Continual Test-Time Adaptation（OCTTA）と呼びます。ドメインシフトと意味シフトの結合はしばしば特徴空間を崩壊させ、分類とOOD（out-of-distribution）検出の両方を深刻に劣化させます。これに対処するために、我々はDOmain COmpensation（DOCO）を提案します。これは、軽量で効果的なフレームワークであり、相乗的なクローズドループにより、ドメイン適応とOOD検出を堅牢に実行します。DOCOはまず、適応に条件付けされた動的なサンプル分割を行い、ID（in-distribution）である可能性が高いサンプルと、OODサンプルを分離します。次に、IDサンプルのみを用いて、意味の歪みを防ぐ構造保存の正則化器に導かれながら、特徴統計をソースドメインに整合させることで、ドメイン補償用のプロンプトを学習します。この学習済みプロンプトは、その後同一バッチ内のOODサンプルへ伝播され、より信頼性の高い検出のために、それらの意味の新規性を効果的に切り離します。複数の困難なベンチマークに関する大規模な実験により、DOCOが従来のCTTAおよびOSTTA手法を上回り、要求の厳しいOCTTA設定における新たな最先端性能を確立することが示されました。