Akshit Achara

AI分割模型在数据偏移下翻转语义标签

研究人员发现了一种特定的语义分割模型故障模式，称为“语义标签翻转”，在这种模式下，模型能正确识别物体边界，但会为前景像素分配错误的语义标签。当训练数据和测试数据之间存在相关性偏移时，尤其是在非因果特征与标签紧密关联时，该问题会加剧。该研究提出了一种新指标“Flip”来量化这些对象内的标签交换，以及一种基于熵的“flip-risk”分数来在推理过程中检测此类情况。