GradPCA：利用 NTK 对齐实现可靠的分布外检测
机器学习
2026-03-03 v2 计算机视觉与模式识别
摘要
我们引入了 GradPCA，这是一种利用由神经正切核 (NTK) 对齐诱导的神经网络梯度低秩结构的分布外 (OOD) 检测方法。GradPCA 对梯度类均值应用主成分分析 (PCA)，在标准图像分类基准测试中实现了比现有方法更一致的性能。我们为 GradPCA 提供了神经网络中谱 OOD 检测的理论视角，强调了使有效检测成为可能并自然地从 NTK 对齐中涌现的特征空间属性。我们的分析进一步揭示了特征质量——特别是使用预训练与非预训练表示——在决定哪些检测器将成功方面起着关键作用。大量实验验证了 GradPCA 的强劲性能，我们的理论框架为设计更具原则性的谱 OOD 检测器提供了指导。
引用
@article{arxiv.2505.16017,
title = {GradPCA: Leveraging NTK Alignment for Reliable Out-of-Distribution Detection},
author = {Mariia Seleznova and Hung-Hsu Chou and Claudio Mayrink Verdun and Gitta Kutyniok},
journal= {arXiv preprint arXiv:2505.16017},
year = {2026}
}