单一无条件扩散模型的外部分布检测

引入双条件扩散模型（DCDM）用于检测超声视频中的OOD样本，显著提高了准确性（提高12%）、精确度（提高22%）和F1得分（提高8%）。

提出了一个统一的OpenOOD代码库，包含超过30种OOD检测方法，并提供了全面的基准和比较，显示该领域的显著进展。

采用扩散过程将训练集信息纳入噪声向量中，推导出噪声向量的闭合解，提升了OOD检测的性能。

研究了不同类型的图像编码器在OOD检测中的鲁棒性，发现MAE-based图像编码器表现出3.5%的性能提升。

通过无监督异常检测方法，结合直方图和扩散技术，提出后处理步骤以提高医学图像中的异常检测性能。

展示了多种OOD检测方法在共享学习方式下的相似表现，强调了置信度损失的隐含评分函数的理论优越性。

提出了一种基于辅助扩散模型的异常分子检测方法，通过比较输入分子与重构图的相似性来量化匹配度。

DiffGuard模型在Cifar-10和ImageNet上进行OOD检测，表现出良好效果，并可与现有技术结合。

引入ODEED重构得分器用于遥感图像越界检测，在挑战性场景中表现优于其他基准。

提出新的概率框架模型和自监督抽样模型（SSOD），在大规模基准测试中展示领先性能。