Object CO-occurrence (OCO)

新研究通过物体共现和多层融合解决分布外检测问题

两篇新研究论文提出了改进深度学习模型分布外（OOD）检测的新方法。第一篇论文介绍了一个以物体为中心的OOD检测框架，该框架利用图像内的物体共现模式来更好地区分分布内和分布外数据，特别是在近分布外场景下。第二篇论文提出了MM++（Multilayer Mahalanobis++），一个无监督且尺度不变的框架，它融合了来自多个中间层的特征，以提高OOD检测性能，而无需额外的OOD数据或架构更改。