用于语义一致分布外检测的不确定性感知最优传输
计算机视觉与模式识别
2023-03-22 v2
摘要
语义一致分布外检测旨在利用对无标签额外数据集的访问权限，将离群点从目标数据分布中识别出来。如果不加区分，分布内样本和分布外样本的共存将加剧模型过拟合。为了解决这个问题，我们提出了一种新颖的不确定性感知最优传输方案。我们的方案包含一个基于能量的传输机制，用于估计不确定性的波动成本以促进语义无关表示的分配，以及一个簇间扩展策略，通过扩大相应的间隔距离来增强不同簇之间语义属性的区分度。此外，提出了 T-energy 分数以缓解并行传输分支和分类器分支之间的幅度差距。在两个标准 SCOOD 基准上的大量实验证明了优于平均水平的 OOD 检测性能，在 FPR@95 上分别以 27.69% 和 34.4% 的优势优于现有最先进方法。
引用
@article{arxiv.2303.10449,
title = {Uncertainty-Aware Optimal Transport for Semantically Coherent Out-of-Distribution Detection},
author = {Fan Lu and Kai Zhu and Wei Zhai and Kecheng Zheng and Yang Cao},
journal= {arXiv preprint arXiv:2303.10449},
year = {2023}
}
备注
Accepted by CVPR2023