연구진은 시각-언어 모델(VLM)의 테스트 시간 적응 시 교정 문제를 해결하기 위해 ARGTCA라는 새로운 방법을 제안했어요. ARGTCA는 (클래스, 속성) 쌍을 기호 속성 그래프의 노드로 표현하고 그래프 어텐션 네트워크(GAT)를 활용해 속성 간의 의존성을 파악해요.
ARGTCA-DIV는 클래스 내 다양성을, ARGTCA-DISC는 클래스 간 차별성을 높이는 전략을 사용하며, ECE를 각각 약 37%, 17% 줄이는 효과를 보였어요.
연구 결과, 기호 속성 상호작용 모델링은 VLM의 신뢰성 있는 테스트 시간 적응을 위한 효과적인 방법임을 보여줘요.