Dual-Adapter：基于无训练的双重适配的少样本域外检测
计算机视觉与模式识别
2024-05-28 v1
摘要
我们研究了少样本域外(OD)检测问题，即在推理阶段仅凭少数标记的域内(ID)样本即可检测来自未知类别的OD样本。现有方法主要致力于为OD检测训练任务感知的提示。然而，基于少样本数据的训练可能导致严重的过拟合，仅凭文本提示可能不足以实现有效检测。为解决此问题，本文提出了基于先验的无训练双重适配方法(Dual-Adapter)，从文本和视觉两个角度检测OD样本。具体而言，Dual-Adapter提取最显著的通道作为正向特征，将其余不太相关的通道指定为负向特征。然后，它从双重角度构建正向适配器和负向适配器，从而更好地利用训练数据集中先前被关注或干扰的特征。如此一来，Dual-Adapter既继承了CLIP无需训练的优势，又在区分ID与OD样本方面表现出色。在四个基准数据集上的大量实验结果表明，Dual-Adapter的优越性得到了充分验证。
引用
@article{arxiv.2405.16146,
title = {Dual-Adapter: Training-free Dual Adaptation for Few-shot Out-of-Distribution Detection},
author = {Xinyi Chen and Yaohui Li and Haoxing Chen},
journal= {arXiv preprint arXiv:2405.16146},
year = {2024}
}