基于梯度对齐上下文优化的少样本离群检测
计算机视觉与模式识别
2024-11-26 v1
摘要
少样本离群检测(OOD)旨在从仅少数标记的分布内(ID)图像中检测离群图像。为检测OD图像并分类ID样本，先前方法通过将ID样本的背景区域视为OD知识，进行OD正则化和ID分类优化来实现。然而，由于识别偏差，ID分类优化与OD正则化之间仍存在梯度冲突。为此，我们提出梯度对齐上下文优化(GaCoOp)来缓解此类冲突。具体而言，我们分解优化梯度以识别冲突发生的场景，然后通过梯度投影来缓解内ID样本间的冲突并优化提示。对大规模ImageNet OOD检测基准进行了广泛实验，表明我们的GaCoOp能够有效缓解冲突并取得优异性能。代码将在https://github.com/BaoshunWq/ood-GaCoOp提供。
关键词
引用
@article{arxiv.2411.15736,
title = {Enhancing Few-Shot Out-of-Distribution Detection with Gradient Aligned Context Optimization},
author = {Baoshun Tong and Kaiyu Song and Hanjiang Lai},
journal= {arXiv preprint arXiv:2411.15736},
year = {2024}
}