无需外部离群点
一种无需真实分布外样本即可训练OOD检测器的方法，通过扰动ID样本的语义区域并混合其他ID样本的模式来构造虚拟离群点，从而有效缓解DNN的过度自信。
Jun, Nie · Yadan, Luo · Shanshan, Ye · Zhang, Yonggang · 田新梅 · Fang, Zhen
International Journal of Computer Vision 2024
仅通过扰动分布内样本的语义区域并混合其他分布内样本的模式来构造虚拟离群点，省去收集真实OOD样本的环节。
通过调整虚拟OOD样本的标签来反映其包含分布内模式的程度，从而在训练中平滑模型的过度自信。
在多个OOD检测基准上取得了当前最好的效果，证明了方法的有效性。
代码已公开，便于复现和实际应用。