层次视觉类别建模:联合表示学习与密度估计框架用于分布外检测
原文中文,约200字,阅读约需1分钟。发表于: 。本研究解决了在视觉识别模型中检测分布外输入的关键问题。提出了一种新的层次视觉类别建模方案,通过联合表示学习和统计建模有效地将分布外数据与分布内数据分离。实验结果表明,该方法在多个基准上显著优于现有算法,并保持了高效性和辨别能力。
深度生成模型的密度估计存在偏差,分层变分自编码器提供了解释。设计了一种快速、可扩展且无监督的似然比分数用于ODD检测,获得最佳实验结果。
本研究解决了在视觉识别模型中检测分布外输入的关键问题。提出了一种新的层次视觉类别建模方案,通过联合表示学习和统计建模有效地将分布外数据与分布内数据分离。实验结果表明,该方法在多个基准上显著优于现有算法,并保持了高效性和辨别能力。
深度生成模型的密度估计存在偏差,分层变分自编码器提供了解释。设计了一种快速、可扩展且无监督的似然比分数用于ODD检测,获得最佳实验结果。