基于变分自编码器恢复有损输入的无监督分布外检测
机器学习
2024-01-04 v3
摘要
深度生成模型在无监督分布外（OOD）检测任务中被证明存在问题，它们倾向于为OOD样本分配更高的似然值。以往关于此问题的研究通常不适用于变分自编码器（VAE）。作为生成模型的一个流行子类，VAE可以以相对较小的模型规模发挥作用，并且在训练和推理中更稳定、更快速，这在实际应用中更具优势。在本文中，我们提出了一种基于VAE的用于OOD检测的新分数，称为误差缩减（ER），其基于一个以训练集的有损版本为输入、以原始集为目标的VAE。我们在多个数据集上进行了实验以展示我们方法的有效性，并通过消融实验给出了设计选择的影响。我们的代码可在 https://github.com/ZJLAB-AMMI/VAE4OOD 获取。
引用
@article{arxiv.2309.02084,
title = {Unsupervised Out-of-Distribution Detection by Restoring Lossy Inputs with Variational Autoencoder},
author = {Zezhen Zeng and Bin Liu},
journal= {arXiv preprint arXiv:2309.02084},
year = {2024}
}
备注
11 pages