GAFD-CC：面向 OOD 检测的全局感知特征解耦与置信度校准
计算机视觉与模式识别
2025-11-05 v1
摘要
准确的 OOD 检测对于确保学习模型在实际应用中的可靠性和鲁棒性至关重要。现有的后置 OOD 检测方法通过利用特征和逻辑信息检测 OOD 样本，但常常忽视特征与逻辑之间内在关联，这对有效 OOD 检测至关重要。为此，我们提出了全局感知特征解耦与置信度校准 (GAFD-CC)。GAFD-CC 旨在细化决策边界并提高判别性能。首先，它基于分类权重进行全局感知特征解耦，将特征与全局分类权重方向对齐以实现解耦。由此，GAFD-CC 提取两种关键信息：与正向相关的特征可促进 ID/OOD 边界细化，而与负向相关的特征可抑制误报并紧密这些边界。其次，它自适应地将解耦特征与多尺度基于逻辑的置信度融合，以实现全面且稳健的 OOD 检测。大规模基准测试中的广泛实验表明，GAFD-CC 在性能和强大泛化能力方面均与最先进的方法相竞争。
引用
@article{arxiv.2511.02335,
title = {GAFD-CC: Global-Aware Feature Decoupling with Confidence Calibration for OOD Detection},
author = {Kun Zou and Yongheng Xu and Jianxing Yu and Yan Pan and Jian Yin and Hanjiang Lai},
journal= {arXiv preprint arXiv:2511.02335},
year = {2025}
}