基于扩散的语义异常生成与干扰意识用于分布外检测
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了分布外（OOD）检测中存在的现有方法生成的异常值偏离过大的问题。我们提出了一种新框架，即基于干扰意识的语义异常生成（SONA），通过扩散模型直接利用像素空间的样本生成更具挑战性的异常值。实验证明，使用SONA异常值训练的OOD检测器在近OOD数据集上的AUROC达到88%，显著优于基线方法。
本研究构建了一个名为IS-OOD的基准，通过移位测量方法将测试样本分成不同的子集，解决OOD检测中的Sorites悖论问题。同时构建了Syn-IS数据集以补充IS-OOD基准。评估了当前OOD检测方法，发现性能随语义移位增加而提高，某些方法可能具有不同的OOD检测机制，过度的协变量移位也可能被视为OOD。
