空間的特徴の重要性から分布外検出性能を向上させる研究 研究背景と問題提起 ディープラーニングモデルの実際の応用において、未知のクラスの入力に対して信頼性高く予測を拒否することは、システムの安全性と堅牢性を確保するための鍵となります。このニーズは、分布外検出（Out-of-Distribution Detection, OOD Detection）という研究分野を生み出しました。OOD検出は、モデルの訓練データ分布範囲内のサンプル（つまり、分布内サンプル、In-Distribution, ID）とその範囲を超えるサンプル（つまり、分布外サンプル、Out-of-Distribution）を区別することを目指しています。近年、研究者たちはMSP（Maximum Softmax Probabilit...

GL-MCM: ゼロショット分布外検出のためのグローバルとローカル最大概念マッチング 研究背景と問題提起 現実世界では、機械学習モデルが適用される環境には、新しいクラスのデータが自然に出現するなど、データ分布が変化することがよくあります。この現象は「分布外検出」（Out-of-Distribution Detection, OOD）と呼ばれています。未知のデータに対するモデルの信頼性を確保するために、OOD 検出は重要なタスクとなっています。しかし、従来の単一モーダルな教師あり学習手法は特定のタスクで良好なパフォーマンスを示しますが、そのトレーニングコストが高く、多様なアプリケーションシナリオに対応するのが難しいという欠点があります。 近年、CLIP（Contrastive Language...