利用扩散先验进行离散分布检测
计算机视觉与模式识别
2024-08-22 v2 人工智能
摘要
离散分布（OOD）检测对于部署稳健的机器学习模型至关重要，尤其是在安全性至关紧要的领域。然而，传统的 OOD 检测方法往往无法捕捉来自大规模数据的复杂分布。本文提出了一种新方法，用于 OOD 检测，利用扩散模型的生成能力和 CLIP 的强大特征提取能力。通过将这些特征作为扩散模型的条件输入，我们可以对经过 CLIP 编码的图像进行重构。原始图像与重构图像之间的差异用作 OOD 识别的信号。由于该方法无需像许多其他方法一样需要类特定的标记 ID 数据，因此其实用性和可扩展性得到了提高。在多个基准数据集上进行的广泛实验表明，我们的方法具有稳健性和有效性，显著提高了检测准确率。
引用
@article{arxiv.2406.11105,
title = {Exploiting Diffusion Prior for Out-of-Distribution Detection},
author = {Armando Zhu and Jiabei Liu and Keqin Li and Shuying Dai and Bo Hong and Peng Zhao and Changsong Wei},
journal= {arXiv preprint arXiv:2406.11105},
year = {2024}
}