Il Pipeline GOEN Supera le Baseline di Rilevamento OOD, CenterLoss Risulta Dannoso

Il pipeline di machine learning recentemente sviluppato, denominato GOEN (Geometry-Optimised Epistemic Network), stabilisce un nuovo punto di riferimento nel rilevamento out-of-distribution (OOD), raggiungendo un impressionante OOD AUROC medio di 0,9483. Questo approccio innovativo integra caratteristiche multiscala, normalizzazione L2, distanza di Mahalanobis e una testa di calibrazione addestrata utilizzando esempi OOD realmente difficili. I ricercatori hanno condotto studi di ablazione sistematici e hanno scoperto che CenterLoss, progettato per migliorare la compattezza delle caratteristiche, inibisce inavvertitamente le prestazioni OOD, causando un calo dell'AUROC a 0,9366, sebbene aumenti l'accuratezza della classificazione. La variante con le migliori prestazioni, GOEN-NoCenterLoss, supera gli ensemble profondi (0,8827), KNN (0,8967) e ODIN (0,8870) sul dataset C, evidenziando la necessità di rappresentazioni delle caratteristiche che affrontino l'incertezza epistemica.