Out Of Distribution Detection
Out-of-Distribution Detection은 컴퓨터 비전 작업에서 훈련 데이터의 분포에 속하지 않는 이상치 샘플을 식별하는 것을 의미합니다. 이 작업은 모델의 강건성과 일반화 능력을 향상시키는 것을 목표로 하며, 알려지지 않은 데이터에 대한 오진을 피하기 위해 이러한 이상치를 감지하고 필터링함으로써 시스템의 안전성과 신뢰성을 높입니다. 실제 응용 분야에서는 이 기술이 자율 주행 및 의료 이미지 분석 등 다양한 분야에서 시스템 성능을 향상시키는 데 매우 중요합니다.
20 Newsgroups
2-Layered GRU
ADE-OoD
RbA
CIFAR-10
Wide ResNet 40x2
CIFAR-10 vs CIFAR-10.1
ERD (ResNet18)
CIFAR-10 vs CIFAR-100
Wide 40-2 + OECC
CIFAR-10 vs Gaussian
CIFAR-10 vs ImageNet (C)
CIFAR-10 vs ImageNet (R)
CIFAR-10 vs iSUN
CIFAR-10 vs LSUN (C)
CIFAR-10 vs LSUN (R)
CIFAR-10 vs SVHN
CIFAR-10 vs Uniform
CIFAR-100
Wide ResNet 40x2
CIFAR-100 vs CIFAR-10
WRN 40-2 + OECC
CIFAR-100 vs Gaussian
CIFAR-100 vs ImageNet (C)
CIFAR-100 vs ImageNet (R)
DenseNet-BC-100
CIFAR-100 vs iSUN
DenseNet-BC-100
CIFAR-100 vs LSUN (C)
CIFAR-100 vs LSUN (R)
DenseNet-BC-100
CIFAR-100 vs SVHN
OECC + MD
CIFAR-100 vs Uniform
cifar10
cifar100
Wide Resnet 40x2
Far-OOD
ISH (ResNet50)
Fashion-MNIST
PAE
ImageNet-1k vs Curated OODs (avg.)
NNGuide (RegNet)
ImageNet-1K vs ImageNet-C
ImageNet-1K vs ImageNet-O
NNGuide-ViM (ViT-B/16)
ImageNet-1k vs iNaturalist
NNGuide (RegNet)
ImageNet-1k vs NINCO
Forte
ImageNet-1k vs Places
BATS (ResNet-50)
ImageNet-1K vs SSB-hard
ImageNet-1k vs SUN
LINe (ResNet50)
ImageNet-1k vs Textures
ViM (BiT-S-R101×1)
ImageNet dogs vs ImageNet non-dogs
ResNet34 + FSSD
ImageNet-1k vs OpenImage-O
NNGuide (RegNet)
MS-1M vs. IJB-C
ResNeXt50 + FSSD
Near-OOD
SST
STL-10
Mixup (Gaussian)
SVHN vs CIFAR-10
SVHN vs CIFAR-100
SVHN vs Gaussian
SVHN vs ImageNet (C)
SVHN vs ImageNet (R)
SVHN vs iSUN
SVHN vs LSUN (C)
SVHN vs LSUN (R)
SVHN vs Uniform
Wide ResNet 40x2