MOODv2：用于分布外检测的掩码图像建模
计算机视觉与模式识别
2024-01-08 v1
摘要
有效分布外（OOD）检测的关键在于获取鲁棒的分布内（ID）表示，使其与 OOD 样本区分开来。虽然以前的方法主要依赖基于识别的技术来实现这一目的，但它们往往导致捷径学习，缺乏全面的表示。在我们的研究中，我们进行了全面分析，探索了不同的预训练任务并采用了各种 OOD 评分函数。结果表明，通过重建预训练的特征表示产生了显著增强，并缩小了各种评分函数之间的性能差距。这表明，即使简单的评分函数在利用基于重建的自监督任务时也能与复杂函数相媲美。基于重建的自监督任务能很好地适应各种评分函数。因此，它具有进一步扩展的广阔潜力。我们的 OOD 检测框架 MOODv2 采用了掩码图像建模自监督任务。无需特殊技巧，MOODv2 在 ImageNet 上将 AUROC 显著提升了 14.30% 至 95.68%，并在 CIFAR-10 上达到了 99.98%。
引用
@article{arxiv.2401.02611,
title = {MOODv2: Masked Image Modeling for Out-of-Distribution Detection},
author = {Jingyao Li and Pengguang Chen and Shaozuo Yu and Shu Liu and Jiaya Jia},
journal= {arXiv preprint arXiv:2401.02611},
year = {2024}
}