阻断幻觉：基于级联早期拒绝解耦信号与语义 OOD 检测
计算机视觉与模式识别
2026-02-09 v1
摘要
高效且稳健的 Out-of-Distribution (OOD) 检测对安全关键应用至关重要。然而，现有方法仍在低级统计噪声上执行完整推理。这一计算不匹配不仅造成资源浪费，还会导致语义幻觉，即深层网络强行将物理异常解释为高置信度语义特征。为此，我们提出了 Cascaded Early Rejection (CER) 框架，通过粗到细逻辑实现异常检测的层次化过滤。CER 包含两个核心模块：1) Structural Energy Sieve (SES)，其利用拉普拉斯算子在网络入口处建立非参数屏障，以高效拦截物理信号异常；2) Semantically-aware Hyperspherical Energy (SHE) 检测器，解耦中间层特征的幅度和方向，以识别细粒度语义偏差。实验结果表明，CER 不仅将计算开销降低 32%，还在 CIFAR-100 基准上实现了显著的性能提升：平均 FPR95 从 33.58% 降至 22.84%，AUROC 提升至 93.97%。关键的是，在模拟传感器故障的实际场景中，CER 的性能远超最先进的方法。作为一种通用插件，CER 可无缝集成到 various SOTA 模型中，以提供性能提升。
引用
@article{arxiv.2602.06330,
title = {Halt the Hallucination: Decoupling Signal and Semantic OOD Detection Based on Cascaded Early Rejection},
author = {Ningkang Peng and Chuanjie Cheng and Jingyang Mao and Xiaoqian Peng and Feng Xing and Bo Zhang and Chao Tan and Zhichao Zheng and Peiheng Li and Yanhui Gu},
journal= {arXiv preprint arXiv:2602.06330},
year = {2026}
}