Core Concepts
少量のラベル付きID画像を使用して、未知のOOD画像を効果的に検出するために、CLIP-OS(CLIP-driven Outliers Synthesis)を提案する。CLIP-OSは、ID関連特徴の抽出、信頼できるOOD画像の合成、ID/OOD境界の正則化を行うことで、優れたOOD検出性能を実現する。
Abstract
本論文は、少量のラベル付きID画像を使用して、未知のOOD画像を効果的に検出する手法CLIP-OSを提案している。
まず、CLIP-OSは、パッチコンテキスト統合とCLIP手術差分マスキングを用いてID関連特徴を抽出する。これにより、ID非関連の背景情報の影響を軽減し、ID境界の学習を改善する。
次に、ID関連特徴を混合することで、信頼できるOOD画像を合成する。これにより、OOD監督信号を提供し、ID/OOD境界の学習を促進する。
最後に、「未知」プロンプトを使用したアンノウン認識学習により、ID分類とOOD検出の相互干渉を最小限に抑えながら、ID/OOD境界を正則化する。
実験の結果、CLIP-OSは既存手法を大幅に上回る性能を示した。特に1ショットシナリオでも高い精度を達成し、少量の訓練データでも効果的にOOD検出できることを実証した。
Stats
少量のラベル付きID画像(1ショットや2ショット)を使用しても、既存手法を大幅に上回るOOD検出精度を達成できる。
1ショットシナリオでも、AUROC 95.16%を達成し、優れた性能を示す。
Quotes
「少量のラベル付きID画像を使用して、未知のOOD画像を効果的に検出するために、CLIP-OSを提案する。」
「CLIP-OSは、ID関連特徴の抽出、信頼できるOOD画像の合成、ID/OOD境界の正則化を行うことで、優れたOOD検出性能を実現する。」