BriefGPT - AI 论文速递
·
利用大型语言模型对异常样本曝光进行预测以进行离群检测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种名为“Envision potential Outlier Exposure”（EOE）的方法，通过利用大型语言模型的专业知识和推理能力，在没有真实OOD数据的情况下，通过视觉相似性生成潜在异常类标签，并设计有效的分数函数来区分困难的OOD样本，从而在不同OOD任务上实现最先进的性能，并能扩展到ImageNet-1K数据集。
🎯
关键要点
-
提出了一种名为“Envision potential Outlier Exposure”（EOE）的方法。
-
该方法利用大型语言模型的专业知识和推理能力。
-
可以在没有真实OOD数据的情况下生成潜在异常类标签。
-
通过视觉相似性设计有效的分数函数来区分困难的OOD样本。
-
在不同OOD任务上实现最先进的性能。
-
该方法能够扩展到ImageNet-1K数据集。
➡️
