用于全谱分布外检测的似然感知语义对齐
计算机视觉与模式识别
2023-12-05 v1
摘要
全谱分布外 (F-OOD) 检测旨在同时面临语义和协变量偏移时，准确识别分布内 (ID) 样本。然而，现有的分布外 (OOD) 检测器往往过拟合协方差信息而忽略内在的语义相关性，不足以适应复杂的领域变换。为了解决这个问题，我们提出了一个似然感知语义对齐 (LSA) 框架，将图像-文本对应关系提升到语义高似然区域。LSA 包含一种离线高斯采样策略，能从类条件高斯分布中高效采样语义相关的视觉嵌入；以及一种双向提示定制机制，可调整 ID 相关和负向上下文以获得具有判别性的 ID/OOD 边界。大量实验表明，我们提出的 LSA 具有出色的 OOD 检测性能，特别是在棘手的 Near-OOD 设置下，在两个 F-OOD 基准上分别以 和 的优势超越了现有方法。
引用
@article{arxiv.2312.01732,
title = {Likelihood-Aware Semantic Alignment for Full-Spectrum Out-of-Distribution Detection},
author = {Fan Lu and Kai Zhu and Kecheng Zheng and Wei Zhai and Yang Cao},
journal= {arXiv preprint arXiv:2312.01732},
year = {2023}
}
备注
16 pages, 7 figures