基于组件的文件型离分布检测
计算机视觉与模式识别
2026-04-24 v1
摘要
离分布（OOD）检测需要对细微的分布迁移保持敏感性，同时不对自然分布内的多样性过度反应。然而，从检测粒度来看，全局表征必然抑制了局部的OOD线索，而基于块的方法由于纠缠的伪相关性和噪声而不稳定。此外，两者都无效于检测由有效分布内组件组成的组合型OOD。以识别-组件理论为灵感，我们提出一种训练无关的基于组件的文件型离分布检测（CoOD）框架，通过将输入分解为功能组件来解决现有局限性。为实现CoOD，我们推导了组件位移得分（CSS）以检测局部外观位移，以及组成一致性得分（CCS）以识别跨组件的组成不一致性。经验结果表明，CoOD在粗粒度和细粒度OOD检测中均实现了持久的改进。
引用
@article{arxiv.2604.21546,
title = {Component-Based Out-of-Distribution Detection},
author = {Wenrui Liu and Hong Chang and Ruibing Hou and Shiguang Shan and Xilin Chen},
journal= {arXiv preprint arXiv:2604.21546},
year = {2026}
}