T-QPM：面向开放世界环境的视觉语言模型时序离群检测与域泛化
计算机视觉与模式识别
2026-03-20 v1 机器学习
摘要
离群分布检测(OOD)是开放世界学习中的关键挑战，其中模型必须适应不断演变的数据分布。虽然近期视觉-语言模型如 CLIP 通过双模式匹配(DPM)实现多模态 OOD 检测，但现有方法通常面临两个主要局限：(1)依赖固定融合规则并假设静态环境，难以应对时序漂移；(2)对偏移输入的鲁棐性不足。本文提出一种新型两步框架，以增强动态环境下 OOD 检测和偏移分布鲁棒性。我们将双模式制度扩展为时序四模式匹配(T-QPM)。首先，通过将 OOD 图像与文本描述配对，我们引入了 ID 与 OOD 信号之间的跨模态一致性模式，通过联合图像-文本推理细化决策边界。其次，我们针对时序分布漂移，通过学习轻量级融合权重来最佳组合语义匹配与视觉典型性。为确保稳定性，我们基于平均阈值置信度(ATC)强制执行显式正则化，防止分布演化导致性能下降。在时序分区基准测试上进行的实验表明，我们的方法显著优于静态基线，提供了一个稳健且在时序上一致的多模态 OOD 检测框架，适用于非平稳环境。
引用
@article{arxiv.2603.18481,
title = {T-QPM: Enabling Temporal Out-Of-Distribution Detection and Domain Generalization for Vision-Language Models in Open-World},
author = {Aditi Naiknaware and Salimeh Sekeh},
journal= {arXiv preprint arXiv:2603.18481},
year = {2026}
}