关于概率图像建模的分布外泛化
计算机视觉与模式识别
2021-12-13 v5 机器学习
应用统计
摘要
分布外(OOD)检测与无损压缩是两个可通过在第一数据集上训练概率模型并在数据分布不同的第二数据集上进行似然评估来解决的问题。通过以似然定义概率模型的泛化，我们表明在图像模型情形下，OOD泛化能力由局部特征主导。这促使我们提出一种仅建模局部图像特征以改善OOD性能的局部自回归模型。我们将所提模型应用于OOD检测任务，无需引入额外数据即达到最先进的无人监督OOD检测性能。此外，我们利用我们的模型构建了一个新的无损图像压缩器：NeLLoC(Neural Local Lossless Compressor，神经局部无损压缩器)，并报告了最先进的压缩率与模型规模。
引用
@article{arxiv.2109.02639,
title = {On the Out-of-distribution Generalization of Probabilistic Image Modelling},
author = {Mingtian Zhang and Andi Zhang and Steven McDonagh},
journal= {arXiv preprint arXiv:2109.02639},
year = {2021}
}