基于原型的最优传输用于离分布检测
计算机视觉与模式识别
2024-10-11 v1
摘要
检测离分布（OOD）输入对于提高深度神经网络在实际部署中的可靠性至关重要。本文受ID数据和OOD数据之间固有分布迁移的启发，我们提出了一种新方法，利用最优传输来衡量测试输入与ID原型之间的分布差异。得到的传输成本用于量化每个测试输入对整体差异的 individual 贡献，作为OD检测的理想度量。为了解决仅依赖于ID原型的传输成本不足以识别靠近ID数据的OOD输入的问题，我们通过线性外推生成虚拟离群点来近似OD区域。通过将ID原型的传输成本与虚拟离群点的成本结合起来，强化了靠近ID数据的OD数据检测，从而增强了ID和OOD输入之间的区分。实验表明，我们的方法在状态-of-the-art方法方面具有优势。
引用
@article{arxiv.2410.07617,
title = {Prototype-based Optimal Transport for Out-of-Distribution Detection},
author = {Ao Ke and Wenlong Chen and Chuanwen Feng and Yukun Cao and Xike Xie and S. Kevin Zhou and Lei Feng},
journal= {arXiv preprint arXiv:2410.07617},
year = {2024}
}