Mostafa ElAraby

新方法TOOD改进了持续学习中的分布外检测

一篇新论文介绍了一种名为TOOD的方法，旨在改进持续学习系统中的分布外（OOD）检测。该研究确定了两个关键问题：“置信度差距”，即基于能量的检测器会看到logit尺度的下降；以及影响基于特征的检测器的“流形拥挤”。TOOD通过使用重放缓冲区统计信息分解和重新校准每个任务的能量分数来解决这些问题，在CIFAR-10、CIFAR-100和ImageNet-1K等数据集上显示出OOD检测性能的显著提升。