入力の複雑さと尤度に基づく生成モデルを用いた分布外検出

尤度に基づく生成モデルは、機械学習システムの堅牢性や信頼性を損なう可能性のある分布外（OOD）入力を検出する有望な手法として注目されている。しかし、こうしたモデルから得られる尤度は、学習データと著しく異なる特定の種類の入力に対する検出において、問題を呈することが示されている。本論文では、この問題の原因が、生成モデルの尤度に過剰に影響を及ぼす入力の複雑さにあると仮説を提示する。この仮説を裏付ける一連の実験を報告し、入力の複雑さの推定値を用いて、効率的かつパラメータフリーなOODスコアを導出する。このスコアは、ベイズモデル比較に類似した尤度比と見なすことができる。我々は、さまざまなデータセット、モデル、モデルサイズ、および複雑さの推定方法において、このスコアが既存のOOD検出手法と同等、あるいはそれ以上に優れた性能を発揮することを確認した。