arXiv · cs.AI· Akito Shinohara·· 2 天前AI 评分24
Rank-1 权重校正的可训练权重平均方法用于 OOD 检测
Rank-1 Weight-Corrected Trainable Weight Averaging for Out-of-Distribution Detection
来源与原文
arXiv · cs.AI
作者：Akito Shinohara
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.33909v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出在可训练权重平均（TWA）基础上，用 SVD 提取的 rank-one 权重主成分作为校正方向，并通过分布内分类目标学习其贡献，以改进 OOD 检测。在 ResNet50 上，该方法在使用 MSP 和 RankWeight 的多数据集评测中优于微调和标准 TWA，且无论是否使用 Outlier Exposure 均有效。基于 Mahalanobis 的评测结果好坏参半，分层分析显示校正靠近分类器层效果更佳。
来源：arXiv · cs.AI · arxiv.org