利用大语言模型生成的同类类进行分布外检测
计算机视觉与模式识别
2024-03-21 v1
摘要
分布外（OOD）检测是确保部署在现实世界应用中的机器学习模型可靠性和安全性的关键任务。依赖单模态信息的传统OOD检测方法通常难以捕捉OOD实例的丰富多样性。OOD检测的主要困难在于，当输入图像与分布内（ID）数据集中的某个特定类别（例如，狼与狗）具有大量相似性时，会导致模型误分类。然而，在语义域中区分这些类别可能很容易。为此，本文提出了一种名为ODPC的新方法，其中设计特定提示，通过大语言模型生成ID语义的OOD同类类，作为辅助模态以促进检测。此外，我们设计了一种基于OOD同类类的对比损失，以学习ID类的紧凑表示并提高不同类别之间边界的清晰度。在五个基准数据集上的大量实验表明，我们提出的方法能够产生最先进的结果。
引用
@article{arxiv.2403.13324,
title = {Out-of-Distribution Detection Using Peer-Class Generated by Large Language Model},
author = {K Huang and G Song and Hanwen Su and Jiyan Wang},
journal= {arXiv preprint arXiv:2403.13324},
year = {2024}
}