arXiv cs.CV· Siyu Huang, Yueyong Chen, Xuejiao Li, Jun Zhou·· 10 小时前AI 评分17
RADC：面向视觉语言测试时自适应的风险感知双缓存方法
RADC: Risk-Aware Dual Caching for Vision-Language Test-Time Adaptation
AI 导读
针对视觉语言模型测试时自适应中全局表示的背景偏置与基于熵的缓存准入不可靠问题，研究者提出 RADC，通过语义前景缓存从 CLIP 表示中聚合类别一致的空间证据，生成前景原型以补充全局缓存。RADC 采用高斯风险准入将多视图表示建模为对角高斯分布，结合类间分离度与特征不确定性筛选可靠的缓存候选。在跨域与分布外基准上，RADC 取得了一致的 SOTA 表现。
来源：arXiv cs.CV · arxiv.org