GEODE：ユニバーサルスコアラ互換のための角度適応型OOD検出
arXiv cs.LG / 2026/5/5
📰 ニュースIdeas & Deep AnalysisTools & Practical UsageModels & Research
要点
- この論文は、Outlier Exposure（OE）がうまく機能する理由を説明しており、主な改善は「広範なOODカバー」ではなく「境界キャリブレーション」で、境界近傍の四分位がほぼ全てのゲインを生むと述べています。
- 提案手法GEODEは、角度適応型のノルム損失を用いて、最も近いクラス平均との差のコサイン類似度に応じてサンプルごとのターゲットをスケーリングし、幾何（特徴空間の形状）を保つよう設計されています。
- GEODEは「スコアラ」間での互換性を重視しており、OEが持つスコアラ依存のトレードオフ（例：MSPでは強いがKNNでは弱い）を緩和することを狙っています。
- CIFAR-10の実験では、near-OODのAUROCが89.0–92.3、far-OODでは最大93.05を示し、7つの標準スコアラすべてで壊滅的な失敗が起きないと報告されています。
- CIFAR-10/CIFAR-100ではGEODE+OEが高い性能を達成し、さらにPFSのようにOODを分類器のヌル空間へ押し込んで幾何を歪め、距離ベーススコアラが依存する構造を損なう失敗モードも回避します。
