PulseAugur
中
实时 14:04:28
English(EN) TINS: Test-time ID-prototype-separated Negative Semantics Learning for OOD Detection

TINS方法增强了视觉-语言模型中的OOD检测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了TINS，一种用于视觉-语言模型中分布外（OOD）检测的新颖方法。TINS通过在测试时推理过程中学习动态负语义，解决了静态负标签的局限性。它采用图像到文本的模态反演和ID原型分离正则化，以防止受分布内概念的污染。实验表明，在Four-OOD基准测试上，FPR95从14.04%降低到6.72%，取得了显著的改进。 AI

影响 提高了视觉-语言模型识别新颖或意外数据的能力，这对于稳健的AI部署至关重要。

排序理由 发布了一篇关于新颖OOD检测方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

TINS方法增强了视觉-语言模型中的OOD检测能力

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Nanyang Ye ·

    TINS：用于OOD检测的测试时ID-prototype分离负语义学习

    Vision-language models enable OOD detection by comparing image alignment with ID labels and negative semantics. Existing negative-label-based methods mainly rely on static negative labels constructed before inference, limiting their ability to cover diverse and evolving OOD conce…

相关实体

相关话题