新的MaRS方法提高了基础模型分布外检测的性能

研究人员开发了一种名为MaRS（马氏残差评分）的新方法，用于检测基础模型中的分布外（OOD）数据，尤其是在医学影像领域。与以往在分布偏移方面表现不佳的方法不同，MaRS使用轻量级自编码器学习分布内流形，并通过重构残差上的马氏距离来衡量偏差。这种方法产生了方差感知的OOD分数，并在各种成像模态和模型类型上展现出优于现有基线方法的性能。 AI

影响 通过改进分布外检测，提高了基础模型在医学影像等关键应用中的可靠性。

排序理由 该集群描述了一篇详细介绍新颖的分布外检测方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• autoencoder
• CatalyzeX
• DagsHub
• foundation models
• Francesco Di Salvo
• Hugging Face
• k-nearest neighbors algorithm
• Mahalanobis Residual Scoring
• MaRS
• medical images

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →