语义还是协变量？分布外检测中棘手情形的研究
计算机视觉与模式识别
2024-11-19 v1
摘要
分布外（OOD）检测任务的主要目标是识别具有语义偏移的输入，即如果用于训练的分布内（ID）数据集中缺少来自新类别的样本，我们应拒绝这些 OOD 样本，而不是将其误分类到现有的 ID 类别中。然而，我们发现当前“语义偏移”的定义存在歧义，这使得某些 OOD 测试协议对于基于 ID 数据集训练的分类器的事后 OOD 检测方法而言变得棘手。在本文中，我们为 ID 分布的语义空间和协变量空间提供了更精确的定义，使我们能够从理论上分析哪些类型的 OOD 分布会使检测任务变得棘手。为避免现有 OOD 设置中的缺陷，我们进一步定义了“可处理 OOD”设置，以确保事后 OOD 检测方法能够区分 OOD 与 ID 分布。最后，我们进行了若干实验以证明我们定义的必要性，并验证定理的正确性。
引用
@article{arxiv.2411.11254,
title = {Semantic or Covariate? A Study on the Intractable Case of Out-of-Distribution Detection},
author = {Xingming Long and Jie Zhang and Shiguang Shan and Xilin Chen},
journal= {arXiv preprint arXiv:2411.11254},
year = {2024}
}
备注
v1