新研究分析视觉模型计算路径以改进 OOD 检测

研究人员开发了一种新方法来分析视觉模型的内部工作原理，重点关注样本在模型层中经过的“表示轨迹”或计算路径。该方法将中间层视为连接状态而非静态快照，揭示了表示如何演变。研究发现，在各种模型类型和数据集上，这些路径表现出一致的样本特定连续性和架构特定深度剖面。这种分析提供了有价值的可靠性信号，尤其是在视觉干扰和语义距离较大的变化情况下，能够改进分布外检测和图像分类性能。 AI

影响 这项研究提供了一种理解和提高视觉模型可靠性的新颖方法，有望在各种应用中实现更强大的 AI 系统。

排序理由 该集群包含一篇在 arXiv 上发表的研究论文，详细介绍了一种分析视觉模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Ignacio Meza De la Jara
• Influence Flower
• OpenOOD
• ScienceCast

• 论文
• 其他

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