一致性校准：通过扰动邻居之间的一致性提高不确定性校准

本研究解决了深度学习模型在不确定性估计中普遍存在的误校准问题，提出了一种名为一致性校准（CC）的新方法。该方法基于模型在扰动输入下的一致性进行自校准，且无需额外的数据样本或标签信息，显著提升了计算效率。实验结果表明，CC在多个标准数据集和长尾数据集上均表现出色，展现出最佳性能。

本研究提出了一种一致性校准（CC）方法，解决深度学习模型不确定性估计的误校准问题。CC通过扰动输入下的一致性自校准，无需额外数据或标签，提升计算效率。实验表明，CC在多种数据集上表现出色。

一致性一致性校准不确定性估计深度学习自校准计算效率