研究者らは、分布外データにおける医療用ビジョン・ランゲージモデル（VLMs）の性能を向上させるために設計された、純粋にトレーニング不要なフューショット適応手法であるTCLAを発表しました。この手法は、サポートサンプルの小さなセットを使用して推論ロジットを補正し、クラス間の混同を解消し、ドメインシフトを軽減しながら、学習可能なコンポーネントを導入しません。

  • TCLAはモデル非依存で高速であり、追加の学習可能パラメータに依存する既存のフューショット手法に見られる不安定性の問題に対処します。
  • X線、超音波、MRI、CT、病理組織学など、複数の医療画像モダリティにわたる9つのデータセット全体で性能を向上させます。
  • ほとんどの場合、TCLAは異なる医療データタイプに対する堅牢性を維持しながら、既存のトレーニングベースの適応手法を上回ります。

このアプローチは、従来のフューショット手法が失敗する可能性のある極めて限られたデータ環境において、事前学習済みVLMsを適応させるための安定した代替手段を提供します。