Framework di Co-occorrenza degli Oggetti Migliora il Rilevamento OOD

Un nuovo framework per il rilevamento out-of-distribution (OOD), incentrato sugli oggetti, utilizza pattern di co-occorrenza per mitigare il bias di semplicità presente nei modelli di deep learning. Introdotto in arXiv:2605.07821, questa tecnica cattura i pattern di co-occorrenza degli oggetti (OCO) prevedendo rappresentazioni disgiunte per i campioni di test. Inoltre, categorizza questi pattern in tre scenari distinti per migliorare la differenziazione tra dati in-distribution e near-OOD. Traendo ispirazione da come il sistema visivo umano interpreta la co-occorrenza degli oggetti per la comprensione della scena, questo framework affronta il problema dell'identificazione di istanze near-OOD, dove il bias di semplicità nei modelli ostacola l'apprendimento di caratteristiche discriminanti nelle rappresentazioni disgiunte. Gli approcci attuali enfatizzano principalmente rappresentazioni entangled regolari, trascurando i ricchi dettagli contestuali all'interno delle immagini.