PulseAugur
中
实时 17:43:56
English(EN) MM++: Unsupervised Scale-Invariant Multilayer OOD Detection via Top-K Gated Feature Fusion

新的MM++框架提供无监督OOD检测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了MM++（Multilayer Mahalanobis++），一个新颖的无监督框架，用于分布外（OOD）检测。该方法通过识别和融合具有判别力的中间层与终端表示来构建联合特征空间，捕捉跨层相关性同时过滤噪声。MM++使用正则化的绑定协方差矩阵进行稳定的距离估计，并且不需要额外的OOD数据、分类器微调或架构更改，在近距离和远距离OOD检测的各种架构上都表现出稳健的性能。 AI

排序理由 该集群包含一篇学术论文，详细介绍了用于OOD检测的新研究框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Rahim Hossain, Md Tawheedul Islam Bhuian, Md Farhan Shadiq, Kyoung-Don Kang ·

    MM++: Unsupervised Scale-Invariant Multilayer OOD Detection via Top-K Gated Feature Fusion

    arXiv:2606.17352v1 Announce Type: new Abstract: We introduce MM++ (Multilayer Mahalanobis++), a fully unsupervised, strictly post-hoc, and scale-invariant framework for Out-of-Distribution (OOD) detection. To address the trade-off between scale invariance and hierarchical express…

相关实体

相关话题