玻尔曼 OOD 检测的几何视角
机器学习
2026-03-05 v3 计算机视觉与模式识别
摘要
准确部署视觉模型的 OOD 检测至关重要。虽然玻尔曼基于检测器仍是强大的基线，但其性能在现代预训练表示上差异很大，尚不清楚哪些特征空间属性决定了这些方法的成功或失败。我们对各种基础模型骨干网络和玻尔曼变体进行了大规模研究。首先，我们表明玻尔曼式 OOD 检测并非在所有情况下都可靠：性能高度依赖于表示方式，并且在预训练数据和微调 regime 变化时可能会发生显著变化。其次，我们将这种变异性关联到分布内几何特征，识别出两个特征的 ID 概要可持续跟踪玻尔曼 OOD 行为：类内谱结构和局部内在维度。最后，我们将归一化视为几何控制机制，引入径向缩放 归一化 ，该方法在保持方向的同时收缩或扩张特征半径。改变 可在保持方向的前提下改变半径，因此相同的二次检测器看到不同的 ID 几何。我们从 ID 几何信号中选择 ，通常能超过固定归一化基线。
引用
@article{arxiv.2510.15202,
title = {A Geometry-Based View of Mahalanobis OOD Detection},
author = {Denis Janiak and Jakub Binkowski and Tomasz Kajdanowicz},
journal= {arXiv preprint arXiv:2510.15202},
year = {2026}
}