Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

GOOD: Training-Free Guided Diffusion Sampling for Out-of-Distribution Detection

Created by
  • Haebom

作者

Xin Gao, Jiyao Liu, Guanghao Li, Yueming Lyu, Jianxiong Gao, Weichen Yu, Ningsheng Xu, Liang Wang, Caifeng Shan, Ziwei Liu, Chenyang Si

概要

この論文では、テキスト画像拡散モデルを使用してOOD(Out-of-Distribution)サンプルを合成する新しいフレームワークであるGOOD(Guided OOD Generation)を提案します。従来の方法のLimitationsである意味的不安定性と不適切な移動多様性を解決するために、GOODは既知の識別分類分類器を使用して拡散サンプリング軌跡を直接ODD領域に導きます。 Image-levelとfeature-levelのデュアルガイドにより、より制御可能で多様なOODサンプル生成を可能にします。さらに、画像と特徴の不一致を適応的に組み合わせる統合されたOODスコアを導入することで、検出ロバスト性を向上させます。 GOODで生成されたサンプルでトレーニングすることで、OOD検出性能を大幅に向上させることができます。

Takeaways、Limitations

Takeaways:
OODサンプル生成のための新しいフレームワーク提案(GOOD)。
Image-level と feature-level デュアルガイドによる OOD サンプリング制御と多様性の向上
統合OODスコアによるOOD検出ロバスト性の向上
GOODで生成されたサンプルを活用したOOD検出性能改善実証。
Limitations:
既存のID分類器に依存しています。
具体的なLimitationsは論文に詳細に記載されていない。 (論文の要約のみに基づいて作成)
👍