CSI: كشف الغرابة من خلال التعلم التمييزي على حالات انزياح التوزيع

كشف التميز، أي تحديد ما إذا كان العينة المعطاة مستمدة من خارج التوزيع التدريبي، أمر بالغ الأهمية لضمان موثوقية التعلم الآلي. ولتحقيق هذا الهدف، تم بذل العديد من المحاولات لتعلم تمثيل مناسب للكشف عن التميز، وتصميم دالة تقييم تستند إلى هذا التمثيل. في هذه الورقة، نقترح طريقة بسيطة ولكنها فعالة تُسمى "المقارنة بين الحالات المنزَحَة" (CSI)، مستوحاة من النجاح الأخير في التعلم المقارن لتمثيلات بصرية. وبشكل خاص، إلى جانب مقارنة العينة المعطاة مع حالات أخرى كما هو الحال في الطرق التقليدية للتعلم المقارن، فإن مخططنا التدريبي يُقارن العينة مع تحويرات منزَحَة توزيعيًا لنفسها. استنادًا إلى هذا، نقترح دالة تقييم جديدة مصممة خصيصًا لهذا المخطط التدريبي. تُظهر تجاربنا تفوق طريقة我们的 في سيناريوهات متعددة للكشف عن التميز، بما في ذلك البيئات ذات الفئة الواحدة غير المُعلمة، والفئات المتعددة غير المُعلمة، والفئات المتعددة المُعلمة، باستخدام مجموعة متنوعة من مجموعات بيانات الصور القياسية. يمكن الوصول إلى الكود والنموذج المُدرّب مسبقًا عبر الرابط: https://github.com/alinlab/CSI.