私たちはニューラルネットワークにおける分布外画像の検出問題を考慮しています。本稿では、事前に学習されたニューラルネットワークに変更を加えることなく、単純かつ効果的な方法であるODINを提案します。当手法は、温度スケーリングを使用し、入力に小さな摂動を加えることで、分布内画像と分布外画像のソフトマックススコア分布を分離できることに基づいています。これにより、より効果的な検出が可能となります。一連の実験を通じて、ODINが多様なネットワークアーキテクチャやデータセットと互換性があることを示しました。また、基準アプローチに対して大幅に性能を上回ることが一貫して確認されており、このタスクにおいて新たな最先端の性能を確立しています。例えば、真陽性率が95%の場合、DenseNet（CIFAR-10に適用）での偽陽性率は基準値34.7%から4.3%に低下しました。