コンポーネントベースの外れ値（OOD）検出

Abstract

分布外（OOD）検出は、自然な分布内（ID）の多様性に過剰反応することなく、微細な変化に対する感度を必要とします。しかし、検出の粒度という観点から見ると、グローバル表現は必然的に局所的なOODの手がかりを抑制し、またパッチベースの手法は、混在した見かけ上の相関とノイズのために不安定になります。さらに、それらのいずれも、有効なID成分から構成される合成（compositional）なOODを検出するのに有効ではありません。認識を成分（components）に基づいて行うという理論に着想を得て、本研究では、入力を機能的な成分へと分解することで既存の制限に対処する、教師なし（training-free）の成分ベースOOD検出フレームワーク（CoOD）を提案します。CoODを実装するために、局所的な見た目の変化を検出するための成分シフトスコア（CSS）と、成分間の合成的な一貫性の欠如を特定するための合成一貫性スコア（CCS）を導出します。実験的に、CoODは粗い粒度および細かい粒度の両方におけるOOD検出において、安定した改善を達成します。